Introducción

Este documento tiene como objetivo explicar el código fuente de código escrito en lenguaje R que compara información respecto al perfil de los estudiantes en el ámbito del estrés con el propósito de encontrar patrones de comportamiento en donde dependiendo de la sección que se desee observar permite analizar de forma más profunda dichas características y así determinar el porqué de ciertos comportamientos, con ello tomar decisiones más certeras y ayudar mejor a los estudiantes. Esta documentación ayudará a la continuación del proyecto, por lo que se tratará de explicar el la medida de lo posible como iniciar y ejecutar el proyecto, además de explicar cada funcionalidad del código, sus variables y atributos para ayudar asi a comprender dicho funcionamiento.

¿Cómo empezar?

En esta sección, se explican los pasos a seguir, para poner a funcionar el código en nuestro ambiente de desarrollo.

Requisitos

Hay que tener en cuenta algunos requisitos mínimos para poner en funcionamiento el código.

  1. El sistema debe ser capaz de ejecutar código en R con la interfaz RStudio en un procesador X86 (Intel o AMD) con al menos 2 GHz de frecuencia de reloj.
  2. El sistema debe contar con al menos 1 GB de memoria RAM para ejecutar código en R con la interfaz RStudio. Se recomienda que la cantidad mínima de RAM sea de 8 GB para una mejor experiencia.
  3. El sistema debe tener conexión a internet para acceder a los repositorios de R y sus paquetes, así como para consultar documentación o recursos en línea
  4. RStudio requiere como mínimo la versión 2.11.1 de R para poder funcionar, sin embargo es recomendable para el código implementado una versión superior a la 4.2.3 para no perder la compatibilidad con el código y sus respectivas librerías asociadas.
  5. El sistema debe tener espacio suficiente en el disco duro para almacenar el código fuente, los datos y los resultados generados por el código en R con la interfaz RStudio. Se recomienda que el espacio disponible sea al menos el doble del tamaño de los archivos que se vayan a utilizar.

Para un mayor entendimiento de los requisitos puede consultar la documentación: Requerimientos de hardware y software R.

Como se ha mencionado anteriormente se necesita instalar el ambiente de desarrollo RStudio, por ello, los requisitos mínimos son extremadamente necesarios para un ambiente de desarrollo fluido y cómodo.

A continuación se presentará como podemos instalar RStudio en nuestro ambiente de desarrollo: Debemos de ir a la web oficial para iniciar la descarga, el siguiente link te llevará directamente a dicha web donde podremos descargar la última versión de R: Download R-4.3.1 for Windows

Damos click donde esta el cuadro anaranjado de la imagen anterior y guardamos el archivo, luego buscamos el archivo donde se haya guardado el archivo y ejecutamos.

Dejar todas las opciones marcadas.

decimos que no.

dejamos como está marcado predeterminadamente.

Esperamos que acabe de instalarse y buscamos para ver donde está instalado.

Luego se deveria de ver de la siguiente manera

Posteriormente debemos de instalar RStudio, para ello vamos al siguiente link:

RStudio Desktop - Posit

Le damos click al paso 2 y guardamos el archivo. Una vez descargado solo es cuestión de dar click a todos los botones de siguiente y se instalará por defecto.

Una vez instalado debemos de ejecutar RStudio, sin embargo puede aparecer la siguiente ventana al abrir RStudio por lo que le damos que si o Yes. Ahora ya tenemos instalado las herramientas que se usarán para este propósito.

Configuración del proyecto.

Para poder ejecutar el proyecto debemos de realizar las siguientes acciones. Primero debemos descargar el proyecto en desde github en el siguiente enlace.

Descargar proyecto de github

En el repositorio existe el código escrito en R llamado EstresR.R y la base de datos en Excel llamada Estres.xlsx.

Una vez descargado el proyecto debemos de ubicarnos en la carpeta donde estaremos trabajando, de preferencia que se tenga en una carpeta donde solo se trabaje en este proyecto.

En primer lugar debemos de incluir las siguientes librerías

library(readxl)
library(tidyverse)
## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr     1.1.2     ✔ readr     2.1.4
## ✔ forcats   1.0.0     ✔ stringr   1.5.0
## ✔ ggplot2   3.4.1     ✔ tibble    3.2.0
## ✔ lubridate 1.9.2     ✔ tidyr     1.3.0
## ✔ purrr     1.0.1     
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
## ℹ Use the ]8;;http://conflicted.r-lib.org/conflicted package]8;; to force all conflicts to become errors

Ejecutamos las librerías y descargamos los paquetes correspondientes.

Luego ejecutamos la sentencia

file.choose()
## [1] "C:\\Users\\viciv\\OneDrive\\Documents\\1002-A\\Servicio social\\Trabajos de R\\Para git\\Estres.xlsx"

el cual nos ayudará a escoger nuestro archivo a analizar que en este caso es el archivo Estres.xlsx

Esta acción nos abrirá una ventana en donde le daremos al botón abrir.

Cuando escogemos el archivo y le damos a abrir nos arrojara el link de tu disco local.

Copiamos lo que se encuentra entre comillas en la siguiente variable llamada ruta_excel que se va a convertir en nuestra variable dataset.

ruta_excel <- "C:\\Users\\viciv\\OneDrive\\Documents\\1002-A\\Servicio social\\Trabajos de R\\Para git\\Estres.xlsx"

Una vez hecho lo anterior ejecutamos el código R desde el principio y no nos debería de presentar ningún problema.

Contenido

Una vez ejecutada las librerías y configurado la ruta para poder consumir la información necesitamos ahora crear nuestros dataset que nos servirán para poder realizar manipulación en los datos. Primero importamos la hoja deseada que queremos en este caso es la hoja de las puntuaciones normales.

puntuaciones <- read_excel(ruta_excel,
                           sheet = 'PuntuacionesN')

Posteriormente, importamos la hoja deseada que queremos en este caso es la hoja de las puntuacionesT

puntuacionesT <- read_excel(ruta_excel,
                            sheet = 'PuntuacionesTN')

Ahora mostramos los data frames que se han creado.

puntuaciones
puntuacionesT 

Ahora debemos de dividir los datos en pequeños datasets para manipularlos de mejor forma, para ello usamos la librería dplyr que está dentro de los paquetes de tidyverse puesto ya desde el principio del código R. Para realizar lo anterior debemos de ocupar un operador pipe, en este caso este operador es %>%, este operador de manera rápida de saca en RStudio con el comando ctrl+shift+m. Una vez explicado lo anterior vamos a dividir la información de acuerdo a los grupos que entraron en propedéutico, para ello se hace de la siguiente manera.

Dataset dividido por grupos

PCIC <- puntuacionesT %>% 
  filter(Grupo == 'PCIC-001' | Grupo == 'PCIC-002' | Grupo == 'PCIC-003')
PCIC
PCIM <- puntuacionesT %>% 
  filter(Grupo== 'PCIM-001' | Grupo== 'PCIM-002' | Grupo== 'PCIM-003' | Grupo== 'PCIM-004')
PCIM
PCIMA <- puntuacionesT %>% 
  filter(Grupo== 'PCIMA-001' | Grupo== 'PCIMA-002' | Grupo== 'PCIMA-003')
PCIMA
PCID <- puntuacionesT %>% 
  filter(Grupo== 'PCID-001' | Grupo== 'PCID-002' | Grupo== 'PCID-003' | Grupo== 'PCID-004')
PCID
PCLCE <- puntuacionesT %>% 
  filter(Grupo== 'PCLCE-001' | Grupo== 'PCLCE-002' | Grupo== 'PCLCE-003')
PCLCE
PCIE <- puntuacionesT %>% 
  filter(Grupo== 'PCIE-001')
PCIE
PCICV <-  puntuacionesT %>% 
  filter(Grupo== 'PCICV-001' | Grupo== 'PCICV-002' | Grupo== 'PCICV-003')
PCICV
PCII <-  puntuacionesT %>% 
  filter(Grupo== 'PCII-001' | Grupo== 'PCII-002')
PCII
PCIFA <- puntuacionesT %>% 
  filter(Grupo== 'PCIFA-001')
PCIFA
PCLMA <- puntuacionesT %>% 
  filter(Grupo== 'PCLMA-001')
PCLMA

Donde PCIC, PCIM, PCIMA, PCID, PCLCE, PCIE, PCICV, PCII, PCIFA y PCLMA son los grupos del curso propedéutico, a cada uno de estas variables dataset se les realizó una operación con el operador %>%, donde la función filter filtra los datos de acuerdo a los parámetros datos, para nuestros parámetros nosotros necesitamos que sean de ese grupo, por lo que hay números en algunos grupos, por ejemplo en el caso de PCIC hay PCIC-001 hasta PCIC-004 lo que refleja que hay más de un grupo de alumnos con el prefijo PCIC que en conjunto es el grupo de la carrera de Ing. Computación, este filtro lo añadimos a puntuaciones T que es el dataset donde se encuentran los valores T de los diferentes parámetros de estrés, hábitos de sueño entre otros ámbitos que nos permitirán comparar los datos, realizar una gráfica de gauss para comparar y así tomar algunas decisiones para poder mejorar y apoyar a los alumnos.

Datos divididos por sexo

Posteriormente, como se puede observar en la imagen se filtran los elementos por sexo.

HOMBRES <- puntuacionesT %>% 
  filter(Genero== 'Masculino')
HOMBRES
MUJERES <- puntuacionesT %>% 
  filter(Genero== 'Femenino')
MUJERES

Datos divididos por región

Posteriormente se hace un filtro por región.

CANADA <- puntuacionesT %>% 
  filter(Region== 'Cañada')
CANADA
COSTA <- puntuacionesT %>% 
  filter(Region== 'Costa')
COSTA
ISTMO <- puntuacionesT %>% 
  filter(Region== 'Istmo')
ISTMO
MIXTECA <- puntuacionesT %>% 
  filter(Region== 'Mixteca')
MIXTECA
PAPALOAPAN <- puntuacionesT %>% 
  filter(Region== 'Papaloapan')
PAPALOAPAN
SIERRANORTE <- puntuacionesT %>% 
  filter(Region== 'Sierra Norte')
SIERRANORTE
SIERRASUR <- puntuacionesT %>% 
  filter(Region== 'Sierra Sur')
SIERRASUR
VALLESCENTRALES <- puntuacionesT %>% 
  filter(Region== 'Valles Centrales')
VALLESCENTRALES
OTRO <- puntuacionesT %>% 
  filter(Region== 'Otro')
OTRO

Realizacion de las graficas

Graficas: Comparativa por grupo

Estres

x <- seq(min(PCIC$`Puntuacion T Estres`, 
             PCIM$`Puntuacion T Estres`, 
             PCIMA$`Puntuacion T Estres`,
             PCID$`Puntuacion T Estres`,
             PCLCE$`Puntuacion T Estres`,
             PCIE$`Puntuacion T Estres`,
             PCICV$`Puntuacion T Estres`,
             PCII$`Puntuacion T Estres`,
             PCIFA$`Puntuacion T Estres`,
             PCLMA$`Puntuacion T Estres`), 
         max(PCIC$`Puntuacion T Estres`, 
             PCIM$`Puntuacion T Estres`, 
             PCIMA$`Puntuacion T Estres`,
             PCID$`Puntuacion T Estres`,
             PCLCE$`Puntuacion T Estres`,
             PCIE$`Puntuacion T Estres`,
             PCICV$`Puntuacion T Estres`,
             PCII$`Puntuacion T Estres`,
             PCIFA$`Puntuacion T Estres`,
             PCLMA$`Puntuacion T Estres`), length = 1000)
densidad_T1 <- dnorm(x, mean = mean(PCIC$`Puntuacion T Estres`), sd = sd(PCIC$`Puntuacion T Estres`))
densidad_T2 <- dnorm(x, mean = mean(PCIM$`Puntuacion T Estres`), sd = sd(PCIM$`Puntuacion T Estres`))
densidad_T3 <- dnorm(x, mean = mean(PCIMA$`Puntuacion T Estres`), sd = sd(PCIMA$`Puntuacion T Estres`))
densidad_T4 <- dnorm(x, mean = mean(PCID$`Puntuacion T Estres`), sd = sd(PCID$`Puntuacion T Estres`))
densidad_T5 <- dnorm(x, mean = mean(PCLCE$`Puntuacion T Estres`), sd = sd(PCLCE$`Puntuacion T Estres`))
densidad_T6 <- dnorm(x, mean = mean(PCIE$`Puntuacion T Estres`), sd = sd(PCIE$`Puntuacion T Estres`))
densidad_T7 <- dnorm(x, mean = mean(PCICV$`Puntuacion T Estres`), sd = sd(PCICV$`Puntuacion T Estres`))
densidad_T8 <- dnorm(x, mean = mean(PCII$`Puntuacion T Estres`), sd = sd(PCII$`Puntuacion T Estres`))
densidad_T9 <- dnorm(x, mean = mean(PCIFA$`Puntuacion T Estres`), sd = sd(PCIFA$`Puntuacion T Estres`))
densidad_T10 <- dnorm(x, mean = mean(PCLMA$`Puntuacion T Estres`), sd = sd(PCIMA$`Puntuacion T Estres`))

plot(x, densidad_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación estres por carrera",
     xlab = "Valor", ylab = "Densidad")
lines(x, densidad_T2, col = "red", lwd = 2)
lines(x, densidad_T3, col = "green", lwd = 2)
lines(x, densidad_T4, col = "#AB47BC", lwd = 2)
lines(x, densidad_T5, col = "#009688", lwd = 2)
lines(x, densidad_T6, col = "#FFEB3B", lwd = 2)
lines(x, densidad_T7, col = "#FB8C00", lwd = 2)
lines(x, densidad_T8, col = "#6D4C41", lwd = 2)
lines(x, densidad_T9, col = "#9E9E9E", lwd = 2)
lines(x, densidad_T10, col = "#263238", lwd = 2)
legend("topright", legend = c("PCIC", "PCIM", "PCIMA","PCID","PCLCE","PCIE","PCICV","PCII","PCIFA","PCLMA"), 
       col = c("blue", "red", "green","#AB47BC","#009688","#FFEB3B","#FB8C00","#6D4C41","#9E9E9E","#263238"), lwd = 2)

Como se puede observar ahora vamos a realizar una gráfica, la primera parte del código es donde se encuentra la variable x, aquí se guarda una secuencia de números que van desde el mínimo hasta el máximo de las puntuaciones T de estrés de todas las carreras, con ello esta variable representará el eje x de las gráficas. Para crear la variable hay algunas cosas que se deben de realizar. En primer lugar está la función Seq la cual genera una secuencia de números con un inicio y un final y una longitud determinada. Los argumentos de esta función son:

min: el valor mínimo de la secuencia, que se obtiene usando la función min y seleccionando la columna “Puntuacion T Estres” de cada carrera. Estas columnas contienen los valores de la puntuación T de estrés para cada estudiante de cada carrera. Las carreras son PCIC, PCIM, PCIMA, PCID, PCLCE, PCIE, PCICV, PCII, PCIFA y PCLMA, que son las siglas de las diferentes carreras.

max: es el valor máximo de la secuencia, se obtiene de la función max y se selecciona la misma columna que antes.

length: aquí tenemos la longitud de la secuencia, el cual es el número de elementos que tendrá, para este caso se usa una longitud de 1000. La segunda parte del código consiste en calcular las densidades de probabilidad para cada carrera, usando la puntuación T de estrés como variable. Estas densidades se usarán como el eje y del gráfico. Para calcular estas densidades, se usa la función dnorm, que genera una distribución normal con una media y una desviación estándar determinadas. Los argumentos de esta función son:

Tenemos la variable x la cual es la variable que contiene los valores del eje x. mean: que es la media de la distribución normal, el cual se obtiene usando la función mean y seleccionando la columna de “Puntuación T estrés” de cada carrera. sd: el cual es la desviación estándar de la distribución normal, que se obtiene usando la función sd y seleccionando la misma columna de antes.

Luego en el mismo código se crea las diferentes densidades es decir densidad_Ti, donde i es cada una de las carreras, es decir las variables de densidades van densidad_T1, densidad_T2, densidad_T3 etcétera.

Luego tenemos una tercera parte del código el cual es la parte del código donde vamos a realizar la gráfica. Para generar el gráfico, se usa la función plot, que crea un gráfico con un eje x y un eje y. Los argumentos de esta función son:

  1. x: la variable creada anteriormente, que contiene los valores del eje x.
  2. densidad_T1: la primera variable creada para las densidades, que contiene los valores del eje y para PCIC.
  3. type: el tipo de gráfico, que se elige “l” para indicar que se quiere un gráfico de líneas.
  4. col: el color del gráfico, que se elige “blue” para indicar que se quiere un color azul.
  5. lwd: el grosor del gráfico, que se elige 2 para indicar que se quiere un grosor medio.
  6. main: el título del gráfico, que se escribe “Comparación estres por carrera”.
  7. xlab: el título del eje x, que se escribe “Valor”.
  8. ylab: el título del eje y, que se escribe “Densidad”.

Para agregar una leyenda al gráfico, se usa la función legend, que crea una caja con los nombres y los colores de las líneas. Los argumentos de esta función son:

  1. “topright”: la posición de la leyenda, que se elige la esquina superior derecha.
  2. legend: los nombres de las líneas, que se escriben entre comillas y separados por comas. Se usan las siglas de cada carrera.
  3. col: los colores de las líneas, que se escriben entre comillas y separados por comas. Se usan los mismos colores que se usaron para las líneas.
  4. lwd: el grosor de las líneas, que se elige 2 para indicar que se quiere un grosor medio.

Así, el código crea un gráfico que muestra la distribución de la puntuación T de estrés para cada carrera, usando diferentes colores y líneas. El gráfico permite comparar el nivel de estrés por carrera y ver si hay diferencias significativas entre ellas.

Para el caso de los otros parámetros como son hábitos de sueño, hábitos de salud entre otros se realiza el mismo procedimiento cambiando un poco las variables para que compara dichos parámetros por separado.

Hay que recalcar que lo que sigue despues es bastante similar solo cambian algunas variables.

Salud

x2 <- seq(min(PCIC$`Puntuacion T Habitos de salud`, 
             PCIM$`Puntuacion T Habitos de salud`, 
             PCIMA$`Puntuacion T Habitos de salud`,
             PCID$`Puntuacion T Habitos de salud`,
             PCLCE$`Puntuacion T Habitos de salud`,
             PCIE$`Puntuacion T Habitos de salud`,
             PCICV$`Puntuacion T Habitos de salud`,
             PCII$`Puntuacion T Habitos de salud`,
             PCIFA$`Puntuacion T Habitos de salud`,
             PCLMA$`Puntuacion T Habitos de salud`), 
         max(PCIC$`Puntuacion T Habitos de salud`, 
             PCIM$`Puntuacion T Habitos de salud`, 
             PCIMA$`Puntuacion T Habitos de salud`,
             PCID$`Puntuacion T Habitos de salud`,
             PCLCE$`Puntuacion T Habitos de salud`,
             PCIE$`Puntuacion T Habitos de salud`,
             PCICV$`Puntuacion T Habitos de salud`,
             PCII$`Puntuacion T Habitos de salud`,
             PCIFA$`Puntuacion T Habitos de salud`,
             PCLMA$`Puntuacion T Habitos de salud`), length = 1000)
densidad2_T1 <- dnorm(x2, mean = mean(PCIC$`Puntuacion T Habitos de salud`), sd = sd(PCIC$`Puntuacion T Habitos de salud`))
densidad2_T2 <- dnorm(x2, mean = mean(PCIM$`Puntuacion T Habitos de salud`), sd = sd(PCIM$`Puntuacion T Habitos de salud`))
densidad2_T3 <- dnorm(x2, mean = mean(PCIMA$`Puntuacion T Habitos de salud`), sd = sd(PCIMA$`Puntuacion T Habitos de salud`))
densidad2_T4 <- dnorm(x2, mean = mean(PCID$`Puntuacion T Habitos de salud`), sd = sd(PCID$`Puntuacion T Habitos de salud`))
densidad2_T5 <- dnorm(x2, mean = mean(PCLCE$`Puntuacion T Habitos de salud`), sd = sd(PCLCE$`Puntuacion T Habitos de salud`))
densidad2_T6 <- dnorm(x2, mean = mean(PCIE$`Puntuacion T Habitos de salud`), sd = sd(PCIE$`Puntuacion T Habitos de salud`))
densidad2_T7 <- dnorm(x2, mean = mean(PCICV$`Puntuacion T Habitos de salud`), sd = sd(PCICV$`Puntuacion T Habitos de salud`))
densidad2_T8 <- dnorm(x2, mean = mean(PCII$`Puntuacion T Habitos de salud`), sd = sd(PCII$`Puntuacion T Habitos de salud`))
densidad2_T9 <- dnorm(x2, mean = mean(PCIFA$`Puntuacion T Habitos de salud`), sd = sd(PCIFA$`Puntuacion T Habitos de salud`))
densidad2_T10 <- dnorm(x2, mean = mean(PCLMA$`Puntuacion T Habitos de salud`), sd = sd(PCIMA$`Puntuacion T Habitos de salud`))

#Se ajustan los limites de los ejes
xlim <- c(min(x2), max(x2))
ylim <- c(0, max(densidad2_T1, densidad2_T2, densidad2_T3, densidad2_T4, densidad2_T5,
                 densidad2_T6, densidad2_T7, densidad2_T8, densidad2_T9, densidad2_T10) * 1.2)

plot(x2, densidad2_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación habitos de salud por carrera",
     xlab = "Valor", ylab = "Densidad", xlim = xlim, ylim = ylim)
lines(x2, densidad2_T2, col = "red", lwd = 2)
lines(x2, densidad2_T3, col = "green", lwd = 2)
lines(x2, densidad2_T4, col = "#AB47BC", lwd = 2)
lines(x2, densidad2_T5, col = "#009688", lwd = 2)
lines(x2, densidad2_T6, col = "#FFEB3B", lwd = 2)
lines(x2, densidad2_T7, col = "#FB8C00", lwd = 2)
lines(x2, densidad2_T8, col = "#6D4C41", lwd = 2)
lines(x2, densidad2_T9, col = "#9E9E9E", lwd = 2)
lines(x2, densidad2_T10, col = "#263238", lwd = 2)
legend("topright", legend = c("PCIC", "PCIM", "PCIMA","PCID","PCLCE","PCIE","PCICV","PCII","PCIFA","PCLMA"), 
       col = c("blue", "red", "green","#AB47BC","#009688","#FFEB3B","#FB8C00","#6D4C41","#9E9E9E","#263238"), lwd = 2, bg = "white", cex = 0.5, box.col = "black")

Ejercicio

x3 <- seq(min(PCIC$`Puntuacion T Ejercicio`, 
              PCIM$`Puntuacion T Ejercicio`, 
              PCIMA$`Puntuacion T Ejercicio`,
              PCID$`Puntuacion T Ejercicio`,
              PCLCE$`Puntuacion T Ejercicio`,
              PCIE$`Puntuacion T Ejercicio`,
              PCICV$`Puntuacion T Ejercicio`,
              PCII$`Puntuacion T Ejercicio`,
              PCIFA$`Puntuacion T Ejercicio`,
              PCLMA$`Puntuacion T Ejercicio`), 
          max(PCIC$`Puntuacion T Ejercicio`, 
              PCIM$`Puntuacion T Ejercicio`, 
              PCIMA$`Puntuacion T Ejercicio`,
              PCID$`Puntuacion T Ejercicio`,
              PCLCE$`Puntuacion T Ejercicio`,
              PCIE$`Puntuacion T Ejercicio`,
              PCICV$`Puntuacion T Ejercicio`,
              PCII$`Puntuacion T Ejercicio`,
              PCIFA$`Puntuacion T Ejercicio`,
              PCLMA$`Puntuacion T Ejercicio`), length = 1000)
densidad3_T1 <- dnorm(x3, mean = mean(PCIC$`Puntuacion T Ejercicio`), sd = sd(PCIC$`Puntuacion T Ejercicio`))
densidad3_T2 <- dnorm(x3, mean = mean(PCIM$`Puntuacion T Ejercicio`), sd = sd(PCIM$`Puntuacion T Ejercicio`))
densidad3_T3 <- dnorm(x3, mean = mean(PCIMA$`Puntuacion T Ejercicio`), sd = sd(PCIMA$`Puntuacion T Ejercicio`))
densidad3_T4 <- dnorm(x3, mean = mean(PCID$`Puntuacion T Ejercicio`), sd = sd(PCID$`Puntuacion T Ejercicio`))
densidad3_T5 <- dnorm(x3, mean = mean(PCLCE$`Puntuacion T Ejercicio`), sd = sd(PCLCE$`Puntuacion T Ejercicio`))
densidad3_T6 <- dnorm(x3, mean = mean(PCIE$`Puntuacion T Ejercicio`), sd = sd(PCIE$`Puntuacion T Ejercicio`))
densidad3_T7 <- dnorm(x3, mean = mean(PCICV$`Puntuacion T Ejercicio`), sd = sd(PCICV$`Puntuacion T Ejercicio`))
densidad3_T8 <- dnorm(x3, mean = mean(PCII$`Puntuacion T Ejercicio`), sd = sd(PCII$`Puntuacion T Ejercicio`))
densidad3_T9 <- dnorm(x3, mean = mean(PCIFA$`Puntuacion T Ejercicio`), sd = sd(PCIFA$`Puntuacion T Ejercicio`))
densidad3_T10 <- dnorm(x3, mean = mean(PCLMA$`Puntuacion T Ejercicio`), sd = sd(PCIMA$`Puntuacion T Ejercicio`))

#Se ajustan los limites de los ejes
xlim3 <- c(min(x3), max(x3))
ylim3 <- c(0, max(densidad3_T1, densidad3_T2, densidad3_T3, densidad3_T4, densidad3_T5,
                 densidad3_T6, densidad3_T7, densidad3_T8, densidad3_T9, densidad3_T10) * 1.2)

plot(x3, densidad3_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación habitos de ejercicio por carrera",
     xlab = "Valor", ylab = "Densidad", xlim = xlim3, ylim = ylim3)
lines(x3, densidad3_T2, col = "red", lwd = 2)
lines(x3, densidad3_T3, col = "green", lwd = 2)
lines(x3, densidad3_T4, col = "#AB47BC", lwd = 2)
lines(x3, densidad3_T5, col = "#009688", lwd = 2)
lines(x3, densidad3_T6, col = "#FFEB3B", lwd = 2)
lines(x3, densidad3_T7, col = "#FB8C00", lwd = 2)
lines(x3, densidad3_T8, col = "#6D4C41", lwd = 2)
lines(x3, densidad3_T9, col = "#9E9E9E", lwd = 2)
lines(x3, densidad3_T10, col = "#263238", lwd = 2)
legend("topright", legend = c("PCIC", "PCIM", "PCIMA","PCID","PCLCE","PCIE","PCICV","PCII","PCIFA","PCLMA"), 
       col = c("blue", "red", "green","#AB47BC","#009688","#FFEB3B","#FB8C00","#6D4C41","#9E9E9E","#263238"), lwd = 2)

Descanso

x4 <- seq(min(PCIC$`Puntuacion T Descanso/sueño`, 
              PCIM$`Puntuacion T Descanso/sueño`, 
              PCIMA$`Puntuacion T Descanso/sueño`,
              PCID$`Puntuacion T Descanso/sueño`,
              PCLCE$`Puntuacion T Descanso/sueño`,
              PCIE$`Puntuacion T Descanso/sueño`,
              PCICV$`Puntuacion T Descanso/sueño`,
              PCII$`Puntuacion T Descanso/sueño`,
              PCIFA$`Puntuacion T Descanso/sueño`,
              PCLMA$`Puntuacion T Descanso/sueño`), 
          max(PCIC$`Puntuacion T Descanso/sueño`, 
              PCIM$`Puntuacion T Descanso/sueño`, 
              PCIMA$`Puntuacion T Descanso/sueño`,
              PCID$`Puntuacion T Descanso/sueño`,
              PCLCE$`Puntuacion T Descanso/sueño`,
              PCIE$`Puntuacion T Descanso/sueño`,
              PCICV$`Puntuacion T Descanso/sueño`,
              PCII$`Puntuacion T Descanso/sueño`,
              PCIFA$`Puntuacion T Descanso/sueño`,
              PCLMA$`Puntuacion T Descanso/sueño`), length = 1000)


densidad4_T1 <- dnorm(x4, mean = mean(PCIC$`Puntuacion T Descanso/sueño`), sd = sd(PCIC$`Puntuacion T Descanso/sueño`))
densidad4_T2 <- dnorm(x4, mean = mean(PCIM$`Puntuacion T Descanso/sueño`), sd = sd(PCIM$`Puntuacion T Descanso/sueño`))
densidad4_T3 <- dnorm(x4, mean = mean(PCIMA$`Puntuacion T Descanso/sueño`), sd = sd(PCIMA$`Puntuacion T Descanso/sueño`))
densidad4_T4 <- dnorm(x4, mean = mean(PCID$`Puntuacion T Descanso/sueño`), sd = sd(PCID$`Puntuacion T Descanso/sueño`))
densidad4_T5 <- dnorm(x4, mean = mean(PCLCE$`Puntuacion T Descanso/sueño`), sd = sd(PCLCE$`Puntuacion T Descanso/sueño`))
densidad4_T6 <- dnorm(x4, mean = mean(PCIE$`Puntuacion T Descanso/sueño`), sd = sd(PCIE$`Puntuacion T Descanso/sueño`))
densidad4_T7 <- dnorm(x4, mean = mean(PCICV$`Puntuacion T Descanso/sueño`), sd = sd(PCICV$`Puntuacion T Descanso/sueño`))
densidad4_T8 <- dnorm(x4, mean = mean(PCII$`Puntuacion T Descanso/sueño`), sd = sd(PCII$`Puntuacion T Descanso/sueño`))
densidad4_T9 <- dnorm(x4, mean = mean(PCIFA$`Puntuacion T Descanso/sueño`), sd = sd(PCIFA$`Puntuacion T Descanso/sueño`))
densidad4_T10 <- dnorm(x4, mean = mean(PCLMA$`Puntuacion T Descanso/sueño`), sd = sd(PCIMA$`Puntuacion T Descanso/sueño`))

#Se ajustan los limites de los ejes
xlim4 <- c(min(x4), max(x4))
ylim4 <- c(0, max(densidad4_T1, densidad4_T2, densidad4_T3, densidad4_T4, densidad4_T5,
                  densidad4_T6, densidad4_T7, densidad4_T8, densidad4_T9, densidad4_T10) * 1.2)

plot(x4, densidad4_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación habitos de descanso por carrera",
     xlab = "Valor", ylab = "Densidad", xlim = xlim4, ylim = ylim4)
lines(x4, densidad4_T2, col = "red", lwd = 2)
lines(x4, densidad4_T3, col = "green", lwd = 2)
lines(x4, densidad4_T4, col = "#AB47BC", lwd = 2)
lines(x4, densidad4_T5, col = "#009688", lwd = 2)
lines(x4, densidad4_T6, col = "#FFEB3B", lwd = 2)
lines(x4, densidad4_T7, col = "#FB8C00", lwd = 2)
lines(x4, densidad4_T8, col = "#6D4C41", lwd = 2)
lines(x4, densidad4_T9, col = "#9E9E9E", lwd = 2)
lines(x4, densidad4_T10, col = "#263238", lwd = 2)
legend("topright", legend = c("PCIC", "PCIM", "PCIMA","PCID","PCLCE","PCIE","PCICV","PCII","PCIFA","PCLMA"), 
       col = c("blue", "red", "green","#AB47BC","#009688","#FFEB3B","#FB8C00","#6D4C41","#9E9E9E","#263238"), lwd = 2, bg = "white", cex = 0.8, box.col = "black")

Alimentacion

x5 <- seq(min(PCIC$`Puntuacion T Alimentacion/Nutricion`, 
              PCIM$`Puntuacion T Alimentacion/Nutricion`, 
              PCIMA$`Puntuacion T Alimentacion/Nutricion`,
              PCID$`Puntuacion T Alimentacion/Nutricion`,
              PCLCE$`Puntuacion T Alimentacion/Nutricion`,
              PCIE$`Puntuacion T Alimentacion/Nutricion`,
              PCICV$`Puntuacion T Alimentacion/Nutricion`,
              PCII$`Puntuacion T Alimentacion/Nutricion`,
              PCIFA$`Puntuacion T Alimentacion/Nutricion`,
              PCLMA$`Puntuacion T Alimentacion/Nutricion`), 
          max(PCIC$`Puntuacion T Alimentacion/Nutricion`, 
              PCIM$`Puntuacion T Alimentacion/Nutricion`, 
              PCIMA$`Puntuacion T Alimentacion/Nutricion`,
              PCID$`Puntuacion T Alimentacion/Nutricion`,
              PCLCE$`Puntuacion T Alimentacion/Nutricion`,
              PCIE$`Puntuacion T Alimentacion/Nutricion`,
              PCICV$`Puntuacion T Alimentacion/Nutricion`,
              PCII$`Puntuacion T Alimentacion/Nutricion`,
              PCIFA$`Puntuacion T Alimentacion/Nutricion`,
              PCLMA$`Puntuacion T Alimentacion/Nutricion`), length = 1000)


densidad5_T1 <- dnorm(x5, mean = mean(PCIC$`Puntuacion T Alimentacion/Nutricion`), sd = sd(PCIC$`Puntuacion T Alimentacion/Nutricion`))
densidad5_T2 <- dnorm(x5, mean = mean(PCIM$`Puntuacion T Alimentacion/Nutricion`), sd = sd(PCIM$`Puntuacion T Alimentacion/Nutricion`))
densidad5_T3 <- dnorm(x5, mean = mean(PCIMA$`Puntuacion T Alimentacion/Nutricion`), sd = sd(PCIMA$`Puntuacion T Alimentacion/Nutricion`))
densidad5_T4 <- dnorm(x5, mean = mean(PCID$`Puntuacion T Alimentacion/Nutricion`), sd = sd(PCID$`Puntuacion T Alimentacion/Nutricion`))
densidad5_T5 <- dnorm(x5, mean = mean(PCLCE$`Puntuacion T Alimentacion/Nutricion`), sd = sd(PCLCE$`Puntuacion T Alimentacion/Nutricion`))
densidad5_T6 <- dnorm(x5, mean = mean(PCIE$`Puntuacion T Alimentacion/Nutricion`), sd = sd(PCIE$`Puntuacion T Alimentacion/Nutricion`))
densidad5_T7 <- dnorm(x5, mean = mean(PCICV$`Puntuacion T Alimentacion/Nutricion`), sd = sd(PCICV$`Puntuacion T Alimentacion/Nutricion`))
densidad5_T8 <- dnorm(x5, mean = mean(PCII$`Puntuacion T Alimentacion/Nutricion`), sd = sd(PCII$`Puntuacion T Alimentacion/Nutricion`))
densidad5_T9 <- dnorm(x5, mean = mean(PCIFA$`Puntuacion T Alimentacion/Nutricion`), sd = sd(PCIFA$`Puntuacion T Alimentacion/Nutricion`))
densidad5_T10 <- dnorm(x5, mean = mean(PCLMA$`Puntuacion T Alimentacion/Nutricion`), sd = sd(PCIMA$`Puntuacion T Alimentacion/Nutricion`))

#Se ajustan los limites de los ejes
xlim5 <- c(min(x5), max(x5))
ylim5 <- c(0, max(densidad5_T1, densidad5_T2, densidad5_T3, densidad5_T4, densidad5_T5,
                  densidad5_T6, densidad5_T7, densidad5_T8, densidad5_T9, densidad5_T10) * 1.2)

plot(x5, densidad5_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación habitos de alimentacion/nutricion por carrera",
     xlab = "Valor", ylab = "Densidad", xlim = xlim5, ylim = ylim5)
lines(x5, densidad5_T2, col = "red", lwd = 2)
lines(x5, densidad5_T3, col = "green", lwd = 2)
lines(x5, densidad5_T4, col = "#AB47BC", lwd = 2)
lines(x5, densidad5_T5, col = "#009688", lwd = 2)
lines(x5, densidad5_T6, col = "#FFEB3B", lwd = 2)
lines(x5, densidad5_T7, col = "#FB8C00", lwd = 2)
lines(x5, densidad5_T8, col = "#6D4C41", lwd = 2)
lines(x5, densidad5_T9, col = "#9E9E9E", lwd = 2)
lines(x5, densidad5_T10, col = "#263238", lwd = 2)
legend("topright",legend = c("PCIC", "PCIM", "PCIMA","PCID","PCLCE","PCIE","PCICV","PCII","PCIFA","PCLMA"), 
       col = c("blue", "red", "green","#AB47BC","#009688","#FFEB3B","#FB8C00","#6D4C41","#9E9E9E","#263238"), lwd = 2, bg = "white", cex = 0.5, box.col = "black")

Prevencion

x6 <- seq(min(PCIC$`Puntuacion T Prevencion`, 
              PCIM$`Puntuacion T Prevencion`, 
              PCIMA$`Puntuacion T Prevencion`,
              PCID$`Puntuacion T Prevencion`,
              PCLCE$`Puntuacion T Prevencion`,
              PCIE$`Puntuacion T Prevencion`,
              PCICV$`Puntuacion T Prevencion`,
              PCII$`Puntuacion T Prevencion`,
              PCIFA$`Puntuacion T Prevencion`,
              PCLMA$`Puntuacion T Prevencion`), 
          max(PCIC$`Puntuacion T Prevencion`, 
              PCIM$`Puntuacion T Prevencion`, 
              PCIMA$`Puntuacion T Prevencion`,
              PCID$`Puntuacion T Prevencion`,
              PCLCE$`Puntuacion T Prevencion`,
              PCIE$`Puntuacion T Prevencion`,
              PCICV$`Puntuacion T Prevencion`,
              PCII$`Puntuacion T Prevencion`,
              PCIFA$`Puntuacion T Prevencion`,
              PCLMA$`Puntuacion T Prevencion`), length = 1000)


densidad6_T1 <- dnorm(x6, mean = mean(PCIC$`Puntuacion T Prevencion`), sd = sd(PCIC$`Puntuacion T Prevencion`))
densidad6_T2 <- dnorm(x6, mean = mean(PCIM$`Puntuacion T Prevencion`), sd = sd(PCIM$`Puntuacion T Prevencion`))
densidad6_T3 <- dnorm(x6, mean = mean(PCIMA$`Puntuacion T Prevencion`), sd = sd(PCIMA$`Puntuacion T Prevencion`))
densidad6_T4 <- dnorm(x6, mean = mean(PCID$`Puntuacion T Prevencion`), sd = sd(PCID$`Puntuacion T Prevencion`))
densidad6_T5 <- dnorm(x6, mean = mean(PCLCE$`Puntuacion T Prevencion`), sd = sd(PCLCE$`Puntuacion T Prevencion`))
densidad6_T6 <- dnorm(x6, mean = mean(PCIE$`Puntuacion T Prevencion`), sd = sd(PCIE$`Puntuacion T Prevencion`))
densidad6_T7 <- dnorm(x6, mean = mean(PCICV$`Puntuacion T Prevencion`), sd = sd(PCICV$`Puntuacion T Prevencion`))
densidad6_T8 <- dnorm(x6, mean = mean(PCII$`Puntuacion T Prevencion`), sd = sd(PCII$`Puntuacion T Prevencion`))
densidad6_T9 <- dnorm(x6, mean = mean(PCIFA$`Puntuacion T Prevencion`), sd = sd(PCIFA$`Puntuacion T Prevencion`))
densidad6_T10 <- dnorm(x6, mean = mean(PCLMA$`Puntuacion T Prevencion`), sd = sd(PCIMA$`Puntuacion T Prevencion`))

#Se ajustan los limites de los ejes
xlim6 <- c(min(x6), max(x6))
ylim6 <- c(0, max(densidad6_T1, densidad6_T2, densidad6_T3, densidad6_T4, densidad6_T5,
                  densidad6_T6, densidad6_T7, densidad6_T8, densidad6_T9, densidad6_T10) * 1.2)

plot(x6, densidad6_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación habitos de prevencion por carrera",
     xlab = "Valor", ylab = "Densidad", xlim = xlim6, ylim = ylim6)
lines(x6, densidad6_T2, col = "red", lwd = 2)
lines(x6, densidad6_T3, col = "green", lwd = 2)
lines(x6, densidad6_T4, col = "#AB47BC", lwd = 2)
lines(x6, densidad6_T5, col = "#009688", lwd = 2)
lines(x6, densidad6_T6, col = "#FFEB3B", lwd = 2)
lines(x6, densidad6_T7, col = "#FB8C00", lwd = 2)
lines(x6, densidad6_T8, col = "#6D4C41", lwd = 2)
lines(x6, densidad6_T9, col = "#9E9E9E", lwd = 2)
lines(x6, densidad6_T10, col = "#263238", lwd = 2)
legend("topright",legend = c("PCIC", "PCIM", "PCIMA","PCID","PCLCE","PCIE","PCICV","PCII","PCIFA","PCLMA"), 
       col = c("blue", "red", "green","#AB47BC","#009688","#FFEB3B","#FB8C00","#6D4C41","#9E9E9E","#263238"), lwd = 2, bg = "white", cex = 0.5, box.col = "black")

Conglomerado reactivos

#Conglomerado reactivos
x7 <- seq(min(PCIC$`Puntuacion T Conglomerado de reactivos`, 
              PCIM$`Puntuacion T Conglomerado de reactivos`, 
              PCIMA$`Puntuacion T Conglomerado de reactivos`,
              PCID$`Puntuacion T Conglomerado de reactivos`,
              PCLCE$`Puntuacion T Conglomerado de reactivos`,
              PCIE$`Puntuacion T Conglomerado de reactivos`,
              PCICV$`Puntuacion T Conglomerado de reactivos`,
              PCII$`Puntuacion T Conglomerado de reactivos`,
              PCIFA$`Puntuacion T Conglomerado de reactivos`,
              PCLMA$`Puntuacion T Conglomerado de reactivos`), 
          max(PCIC$`Puntuacion T Conglomerado de reactivos`, 
              PCIM$`Puntuacion T Conglomerado de reactivos`, 
              PCIMA$`Puntuacion T Conglomerado de reactivos`,
              PCID$`Puntuacion T Conglomerado de reactivos`,
              PCLCE$`Puntuacion T Conglomerado de reactivos`,
              PCIE$`Puntuacion T Conglomerado de reactivos`,
              PCICV$`Puntuacion T Conglomerado de reactivos`,
              PCII$`Puntuacion T Conglomerado de reactivos`,
              PCIFA$`Puntuacion T Conglomerado de reactivos`,
              PCLMA$`Puntuacion T Conglomerado de reactivos`), length = 1000)


densidad7_T1 <- dnorm(x7, mean = mean(PCIC$`Puntuacion T Conglomerado de reactivos`), sd = sd(PCIC$`Puntuacion T Conglomerado de reactivos`))
densidad7_T2 <- dnorm(x7, mean = mean(PCIM$`Puntuacion T Conglomerado de reactivos`), sd = sd(PCIM$`Puntuacion T Conglomerado de reactivos`))
densidad7_T3 <- dnorm(x7, mean = mean(PCIMA$`Puntuacion T Conglomerado de reactivos`), sd = sd(PCIMA$`Puntuacion T Conglomerado de reactivos`))
densidad7_T4 <- dnorm(x7, mean = mean(PCID$`Puntuacion T Conglomerado de reactivos`), sd = sd(PCID$`Puntuacion T Conglomerado de reactivos`))
densidad7_T5 <- dnorm(x7, mean = mean(PCLCE$`Puntuacion T Conglomerado de reactivos`), sd = sd(PCLCE$`Puntuacion T Conglomerado de reactivos`))
densidad7_T6 <- dnorm(x7, mean = mean(PCIE$`Puntuacion T Conglomerado de reactivos`), sd = sd(PCIE$`Puntuacion T Conglomerado de reactivos`))
densidad7_T7 <- dnorm(x7, mean = mean(PCICV$`Puntuacion T Conglomerado de reactivos`), sd = sd(PCICV$`Puntuacion T Conglomerado de reactivos`))
densidad7_T8 <- dnorm(x7, mean = mean(PCII$`Puntuacion T Conglomerado de reactivos`), sd = sd(PCII$`Puntuacion T Conglomerado de reactivos`))
densidad7_T9 <- dnorm(x7, mean = mean(PCIFA$`Puntuacion T Conglomerado de reactivos`), sd = sd(PCIFA$`Puntuacion T Conglomerado de reactivos`))
densidad7_T10 <- dnorm(x7, mean = mean(PCLMA$`Puntuacion T Conglomerado de reactivos`), sd = sd(PCIMA$`Puntuacion T Conglomerado de reactivos`))

#Se ajustan los limites de los ejes
xlim7 <- c(min(x7)-5, max(x7)+5)
ylim7 <- c(0, max(densidad7_T1, densidad7_T2, densidad7_T3, densidad7_T4, densidad7_T5,
                  densidad7_T6, densidad7_T7, densidad7_T8, densidad7_T9, densidad7_T10) * 1.4)

plot(x7, densidad7_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación conglomerado reactivos",
     xlab = "Valor", ylab = "Densidad", xlim = xlim7, ylim = ylim7)
lines(x7, densidad7_T2, col = "red", lwd = 2)
lines(x7, densidad7_T3, col = "green", lwd = 2)
lines(x7, densidad7_T4, col = "#AB47BC", lwd = 2)
lines(x7, densidad7_T5, col = "#009688", lwd = 2)
lines(x7, densidad7_T6, col = "#FFEB3B", lwd = 2)
lines(x7, densidad7_T7, col = "#FB8C00", lwd = 2)
lines(x7, densidad7_T8, col = "#6D4C41", lwd = 2)
lines(x7, densidad7_T9, col = "#9E9E9E", lwd = 2)
lines(x7, densidad7_T10, col = "#263238", lwd = 2)
legend("topright",legend = c("PCIC", "PCIM", "PCIMA","PCID","PCLCE","PCIE","PCICV","PCII","PCIFA","PCLMA"), 
       col = c("blue", "red", "green","#AB47BC","#009688","#FFEB3B","#FB8C00","#6D4C41","#9E9E9E","#263238"), lwd = 2, bg = "white", cex = 0.5, box.col = "black")

Red de apoyo social

#Conglomerado reactivos
x8 <- seq(min(PCIC$`Puntuacion T Red de apoyo social`, 
              PCIM$`Puntuacion T Red de apoyo social`, 
              PCIMA$`Puntuacion T Red de apoyo social`,
              PCID$`Puntuacion T Red de apoyo social`,
              PCLCE$`Puntuacion T Red de apoyo social`,
              PCIE$`Puntuacion T Red de apoyo social`,
              PCICV$`Puntuacion T Red de apoyo social`,
              PCII$`Puntuacion T Red de apoyo social`,
              PCIFA$`Puntuacion T Red de apoyo social`,
              PCLMA$`Puntuacion T Red de apoyo social`), 
          max(PCIC$`Puntuacion T Red de apoyo social`, 
              PCIM$`Puntuacion T Red de apoyo social`, 
              PCIMA$`Puntuacion T Red de apoyo social`,
              PCID$`Puntuacion T Red de apoyo social`,
              PCLCE$`Puntuacion T Red de apoyo social`,
              PCIE$`Puntuacion T Red de apoyo social`,
              PCICV$`Puntuacion T Red de apoyo social`,
              PCII$`Puntuacion T Red de apoyo social`,
              PCIFA$`Puntuacion T Red de apoyo social`,
              PCLMA$`Puntuacion T Red de apoyo social`), length = 1000)


densidad8_T1 <- dnorm(x8, mean = mean(PCIC$`Puntuacion T Red de apoyo social`), sd = sd(PCIC$`Puntuacion T Red de apoyo social`))
densidad8_T2 <- dnorm(x8, mean = mean(PCIM$`Puntuacion T Red de apoyo social`), sd = sd(PCIM$`Puntuacion T Red de apoyo social`))
densidad8_T3 <- dnorm(x8, mean = mean(PCIMA$`Puntuacion T Red de apoyo social`), sd = sd(PCIMA$`Puntuacion T Red de apoyo social`))
densidad8_T4 <- dnorm(x8, mean = mean(PCID$`Puntuacion T Red de apoyo social`), sd = sd(PCID$`Puntuacion T Red de apoyo social`))
densidad8_T5 <- dnorm(x8, mean = mean(PCLCE$`Puntuacion T Red de apoyo social`), sd = sd(PCLCE$`Puntuacion T Red de apoyo social`))
densidad8_T6 <- dnorm(x8, mean = mean(PCIE$`Puntuacion T Red de apoyo social`), sd = sd(PCIE$`Puntuacion T Red de apoyo social`))
densidad8_T7 <- dnorm(x8, mean = mean(PCICV$`Puntuacion T Red de apoyo social`), sd = sd(PCICV$`Puntuacion T Red de apoyo social`))
densidad8_T8 <- dnorm(x8, mean = mean(PCII$`Puntuacion T Red de apoyo social`), sd = sd(PCII$`Puntuacion T Red de apoyo social`))
densidad8_T9 <- dnorm(x8, mean = mean(PCIFA$`Puntuacion T Red de apoyo social`), sd = sd(PCIFA$`Puntuacion T Red de apoyo social`))
densidad8_T10 <- dnorm(x8, mean = mean(PCLMA$`Puntuacion T Red de apoyo social`), sd = sd(PCIMA$`Puntuacion T Red de apoyo social`))
#Se ajustan los limites de los ejes
xlim8 <- c(min(x8), max(x8))
ylim8 <- c(0, max(densidad8_T1, densidad8_T2, densidad8_T3, densidad8_T4, densidad8_T5,
                  densidad8_T6, densidad8_T7, densidad8_T8, densidad8_T9, densidad8_T10) * 1.2)

plot(x8, densidad8_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación red de apoyo socical por carrera",
     xlab = "Valor", ylab = "Densidad", xlim = xlim7, ylim = ylim7)
lines(x8, densidad8_T2, col = "red", lwd = 2)
lines(x8, densidad8_T3, col = "green", lwd = 2)
lines(x8, densidad8_T4, col = "#AB47BC", lwd = 2)
lines(x8, densidad8_T5, col = "#009688", lwd = 2)
lines(x8, densidad8_T6, col = "#FFEB3B", lwd = 2)
lines(x8, densidad8_T7, col = "#FB8C00", lwd = 2)
lines(x8, densidad8_T8, col = "#6D4C41", lwd = 2)
lines(x8, densidad8_T9, col = "#9E9E9E", lwd = 2)
lines(x8, densidad8_T10, col = "#263238", lwd = 2)
legend("topright",legend = c("PCIC", "PCIM", "PCIMA","PCID","PCLCE","PCIE","PCICV","PCII","PCIFA","PCLMA"), 
       col = c("blue", "red", "green","#AB47BC","#009688","#FFEB3B","#FB8C00","#6D4C41","#9E9E9E","#263238"), lwd = 2, bg = "white", cex = 0.5, box.col = "black")

Conducta tipo A

#Conducta tipo A
x9 <- seq(min(PCIC$`Puntuacion T Conducta tipo A`, 
              PCIM$`Puntuacion T Conducta tipo A`, 
              PCIMA$`Puntuacion T Conducta tipo A`,
              PCID$`Puntuacion T Conducta tipo A`,
              PCLCE$`Puntuacion T Conducta tipo A`,
              PCIE$`Puntuacion T Conducta tipo A`,
              PCICV$`Puntuacion T Conducta tipo A`,
              PCII$`Puntuacion T Conducta tipo A`,
              PCIFA$`Puntuacion T Conducta tipo A`,
              PCLMA$`Puntuacion T Conducta tipo A`), 
          max(PCIC$`Puntuacion T Conducta tipo A`, 
              PCIM$`Puntuacion T Conducta tipo A`, 
              PCIMA$`Puntuacion T Conducta tipo A`,
              PCID$`Puntuacion T Conducta tipo A`,
              PCLCE$`Puntuacion T Conducta tipo A`,
              PCIE$`Puntuacion T Conducta tipo A`,
              PCICV$`Puntuacion T Conducta tipo A`,
              PCII$`Puntuacion T Conducta tipo A`,
              PCIFA$`Puntuacion T Conducta tipo A`,
              PCLMA$`Puntuacion T Conducta tipo A`), length = 1000)


densidad9_T1 <- dnorm(x9, mean = mean(PCIC$`Puntuacion T Conducta tipo A`), sd = sd(PCIC$`Puntuacion T Conducta tipo A`))
densidad9_T2 <- dnorm(x9, mean = mean(PCIM$`Puntuacion T Conducta tipo A`), sd = sd(PCIM$`Puntuacion T Conducta tipo A`))
densidad9_T3 <- dnorm(x9, mean = mean(PCIMA$`Puntuacion T Conducta tipo A`), sd = sd(PCIMA$`Puntuacion T Conducta tipo A`))
densidad9_T4 <- dnorm(x9, mean = mean(PCID$`Puntuacion T Conducta tipo A`), sd = sd(PCID$`Puntuacion T Conducta tipo A`))
densidad9_T5 <- dnorm(x9, mean = mean(PCLCE$`Puntuacion T Conducta tipo A`), sd = sd(PCLCE$`Puntuacion T Conducta tipo A`))
densidad9_T6 <- dnorm(x9, mean = mean(PCIE$`Puntuacion T Conducta tipo A`), sd = sd(PCIE$`Puntuacion T Conducta tipo A`))
densidad9_T7 <- dnorm(x9, mean = mean(PCICV$`Puntuacion T Conducta tipo A`), sd = sd(PCICV$`Puntuacion T Conducta tipo A`))
densidad9_T8 <- dnorm(x9, mean = mean(PCII$`Puntuacion T Conducta tipo A`), sd = sd(PCII$`Puntuacion T Conducta tipo A`))
densidad9_T9 <- dnorm(x9, mean = mean(PCIFA$`Puntuacion T Conducta tipo A`), sd = sd(PCIFA$`Puntuacion T Conducta tipo A`))
densidad9_T10 <- dnorm(x9, mean = mean(PCLMA$`Puntuacion T Conducta tipo A`), sd = sd(PCIMA$`Puntuacion T Conducta tipo A`))

#Se ajustan los limites de los ejes
xlim9 <- c(min(x9), max(x9))
ylim9 <- c(0, max(densidad9_T1, densidad9_T2, densidad9_T3, densidad9_T4, densidad9_T5,
                  densidad9_T6, densidad9_T7, densidad9_T8, densidad9_T9, densidad9_T10) * 1.2)

plot(x9, densidad9_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación conducta tipo A por carrera",
     xlab = "Valor", ylab = "Densidad", xlim = xlim9, ylim = ylim9)
lines(x9, densidad9_T2, col = "red", lwd = 2)
lines(x9, densidad9_T3, col = "green", lwd = 2)
lines(x9, densidad9_T4, col = "#AB47BC", lwd = 2)
lines(x9, densidad9_T5, col = "#009688", lwd = 2)
lines(x9, densidad9_T6, col = "#FFEB3B", lwd = 2)
lines(x9, densidad9_T7, col = "#FB8C00", lwd = 2)
lines(x9, densidad9_T8, col = "#6D4C41", lwd = 2)
lines(x9, densidad9_T9, col = "#9E9E9E", lwd = 2)
lines(x9, densidad9_T10, col = "#263238", lwd = 2)
legend("topright",legend = c("PCIC", "PCIM", "PCIMA","PCID","PCLCE","PCIE","PCICV","PCII","PCIFA","PCLMA"), 
       col = c("blue", "red", "green","#AB47BC","#009688","#FFEB3B","#FB8C00","#6D4C41","#9E9E9E","#263238"), lwd = 2, bg = "white", cex = 0.5, box.col = "black")

Fuerza cognitiva

#Fuerza cognitiva
x10 <- seq(min(PCIC$`Puntuacion T Fuerza cognitiva`, 
              PCIM$`Puntuacion T Fuerza cognitiva`, 
              PCIMA$`Puntuacion T Fuerza cognitiva`,
              PCID$`Puntuacion T Fuerza cognitiva`,
              PCLCE$`Puntuacion T Fuerza cognitiva`,
              PCIE$`Puntuacion T Fuerza cognitiva`,
              PCICV$`Puntuacion T Fuerza cognitiva`,
              PCII$`Puntuacion T Fuerza cognitiva`,
              PCIFA$`Puntuacion T Fuerza cognitiva`,
              PCLMA$`Puntuacion T Fuerza cognitiva`), 
          max(PCIC$`Puntuacion T Fuerza cognitiva`, 
              PCIM$`Puntuacion T Fuerza cognitiva`, 
              PCIMA$`Puntuacion T Fuerza cognitiva`,
              PCID$`Puntuacion T Fuerza cognitiva`,
              PCLCE$`Puntuacion T Fuerza cognitiva`,
              PCIE$`Puntuacion T Fuerza cognitiva`,
              PCICV$`Puntuacion T Fuerza cognitiva`,
              PCII$`Puntuacion T Fuerza cognitiva`,
              PCIFA$`Puntuacion T Fuerza cognitiva`,
              PCLMA$`Puntuacion T Fuerza cognitiva`), length = 1000)


densidad10_T1 <- dnorm(x10, mean = mean(PCIC$`Puntuacion T Fuerza cognitiva`), sd = sd(PCIC$`Puntuacion T Fuerza cognitiva`))
densidad10_T2 <- dnorm(x10, mean = mean(PCIM$`Puntuacion T Fuerza cognitiva`), sd = sd(PCIM$`Puntuacion T Fuerza cognitiva`))
densidad10_T3 <- dnorm(x10, mean = mean(PCIMA$`Puntuacion T Fuerza cognitiva`), sd = sd(PCIMA$`Puntuacion T Fuerza cognitiva`))
densidad10_T4 <- dnorm(x10, mean = mean(PCID$`Puntuacion T Fuerza cognitiva`), sd = sd(PCID$`Puntuacion T Fuerza cognitiva`))
densidad10_T5 <- dnorm(x10, mean = mean(PCLCE$`Puntuacion T Fuerza cognitiva`), sd = sd(PCLCE$`Puntuacion T Fuerza cognitiva`))
densidad10_T6 <- dnorm(x10, mean = mean(PCIE$`Puntuacion T Fuerza cognitiva`), sd = sd(PCIE$`Puntuacion T Fuerza cognitiva`))
densidad10_T7 <- dnorm(x10, mean = mean(PCICV$`Puntuacion T Fuerza cognitiva`), sd = sd(PCICV$`Puntuacion T Fuerza cognitiva`))
densidad10_T8 <- dnorm(x10, mean = mean(PCII$`Puntuacion T Fuerza cognitiva`), sd = sd(PCII$`Puntuacion T Fuerza cognitiva`))
densidad10_T9 <- dnorm(x10, mean = mean(PCIFA$`Puntuacion T Fuerza cognitiva`), sd = sd(PCIFA$`Puntuacion T Fuerza cognitiva`))
densidad10_T10 <- dnorm(x10, mean = mean(PCLMA$`Puntuacion T Fuerza cognitiva`), sd = sd(PCIMA$`Puntuacion T Fuerza cognitiva`))

#Se ajustan los limites de los ejes
xlim10 <- c(min(x10), max(x10))
ylim10 <- c(0, max(densidad10_T1, densidad10_T2, densidad10_T3, densidad10_T4, densidad10_T5,
                  densidad10_T6, densidad10_T7, densidad10_T8, densidad10_T9, densidad10_T10) * 1.2)

plot(x10, densidad10_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación fuerza cognitiva por carrera",
     xlab = "Valor", ylab = "Densidad", xlim = xlim10, ylim = ylim10)
lines(x10, densidad10_T2, col = "red", lwd = 2)
lines(x10, densidad10_T3, col = "green", lwd = 2)
lines(x10, densidad10_T4, col = "#AB47BC", lwd = 2)
lines(x10, densidad10_T5, col = "#009688", lwd = 2)
lines(x10, densidad10_T6, col = "#FFEB3B", lwd = 2)
lines(x10, densidad10_T7, col = "#FB8C00", lwd = 2)
lines(x10, densidad10_T8, col = "#6D4C41", lwd = 2)
lines(x10, densidad10_T9, col = "#9E9E9E", lwd = 2)
lines(x10, densidad10_T10, col = "#263238", lwd = 2)
legend("topright",legend = c("PCIC", "PCIM", "PCIMA","PCID","PCLCE","PCIE","PCICV","PCII","PCIFA","PCLMA"), 
       col = c("blue", "red", "green","#AB47BC","#009688","#FFEB3B","#FB8C00","#6D4C41","#9E9E9E","#263238"), lwd = 2, bg = "white", cex = 0.5, box.col = "black")

Valoracion positiva

#Valoracion positiva
x11 <- seq(min(PCIC$`Puntuacion T Valoracion positiva`, 
               PCIM$`Puntuacion T Valoracion positiva`, 
               PCIMA$`Puntuacion T Valoracion positiva`,
               PCID$`Puntuacion T Valoracion positiva`,
               PCLCE$`Puntuacion T Valoracion positiva`,
               PCIE$`Puntuacion T Valoracion positiva`,
               PCICV$`Puntuacion T Valoracion positiva`,
               PCII$`Puntuacion T Valoracion positiva`,
               PCIFA$`Puntuacion T Valoracion positiva`,
               PCLMA$`Puntuacion T Valoracion positiva`), 
           max(PCIC$`Puntuacion T Valoracion positiva`, 
               PCIM$`Puntuacion T Valoracion positiva`, 
               PCIMA$`Puntuacion T Valoracion positiva`,
               PCID$`Puntuacion T Valoracion positiva`,
               PCLCE$`Puntuacion T Valoracion positiva`,
               PCIE$`Puntuacion T Valoracion positiva`,
               PCICV$`Puntuacion T Valoracion positiva`,
               PCII$`Puntuacion T Valoracion positiva`,
               PCIFA$`Puntuacion T Valoracion positiva`,
               PCLMA$`Puntuacion T Valoracion positiva`), length = 1000)


densidad11_T1 <- dnorm(x11, mean = mean(PCIC$`Puntuacion T Valoracion positiva`), sd = sd(PCIC$`Puntuacion T Valoracion positiva`))
densidad11_T2 <- dnorm(x11, mean = mean(PCIM$`Puntuacion T Valoracion positiva`), sd = sd(PCIM$`Puntuacion T Valoracion positiva`))
densidad11_T3 <- dnorm(x11, mean = mean(PCIMA$`Puntuacion T Valoracion positiva`), sd = sd(PCIMA$`Puntuacion T Valoracion positiva`))
densidad11_T4 <- dnorm(x11, mean = mean(PCID$`Puntuacion T Valoracion positiva`), sd = sd(PCID$`Puntuacion T Valoracion positiva`))
densidad11_T5 <- dnorm(x11, mean = mean(PCLCE$`Puntuacion T Valoracion positiva`), sd = sd(PCLCE$`Puntuacion T Valoracion positiva`))
densidad11_T6 <- dnorm(x11, mean = mean(PCIE$`Puntuacion T Valoracion positiva`), sd = sd(PCIE$`Puntuacion T Valoracion positiva`))
densidad11_T7 <- dnorm(x11, mean = mean(PCICV$`Puntuacion T Valoracion positiva`), sd = sd(PCICV$`Puntuacion T Valoracion positiva`))
densidad11_T8 <- dnorm(x11, mean = mean(PCII$`Puntuacion T Valoracion positiva`), sd = sd(PCII$`Puntuacion T Valoracion positiva`))
densidad11_T9 <- dnorm(x11, mean = mean(PCIFA$`Puntuacion T Valoracion positiva`), sd = sd(PCIFA$`Puntuacion T Valoracion positiva`))
densidad11_T10 <- dnorm(x11, mean = mean(PCLMA$`Puntuacion T Valoracion positiva`), sd = sd(PCIMA$`Puntuacion T Valoracion positiva`))

#Se ajustan los limites de los ejes
xlim11 <- c(min(x11), max(x11))
ylim11 <- c(0, max(densidad11_T1, densidad11_T2, densidad11_T3, densidad11_T4, densidad11_T5,
                   densidad11_T6, densidad11_T7, densidad11_T8, densidad11_T9, densidad11_T10) * 1.2)

plot(x11, densidad11_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación valoracion positiva por carrera",
     xlab = "Valor", ylab = "Densidad", xlim = xlim11, ylim = ylim11)
lines(x11, densidad11_T2, col = "red", lwd = 2)
lines(x11, densidad11_T3, col = "green", lwd = 2)
lines(x11, densidad11_T4, col = "#AB47BC", lwd = 2)
lines(x11, densidad11_T5, col = "#009688", lwd = 2)
lines(x11, densidad11_T6, col = "#FFEB3B", lwd = 2)
lines(x11, densidad11_T7, col = "#FB8C00", lwd = 2)
lines(x11, densidad11_T8, col = "#6D4C41", lwd = 2)
lines(x11, densidad11_T9, col = "#9E9E9E", lwd = 2)
lines(x11, densidad11_T10, col = "#263238", lwd = 2)
legend("topright",legend = c("PCIC", "PCIM", "PCIMA","PCID","PCLCE","PCIE","PCICV","PCII","PCIFA","PCLMA"), 
       col = c("blue", "red", "green","#AB47BC","#009688","#FFEB3B","#FB8C00","#6D4C41","#9E9E9E","#263238"), lwd = 2, bg = "white", cex = 0.5, box.col = "black")

Valoracion negativa

#Valoracion negativa
x12 <- seq(min(PCIC$`Puntuacion T Valoracion negativa`, 
               PCIM$`Puntuacion T Valoracion negativa`, 
               PCIMA$`Puntuacion T Valoracion negativa`,
               PCID$`Puntuacion T Valoracion negativa`,
               PCLCE$`Puntuacion T Valoracion negativa`,
               PCIE$`Puntuacion T Valoracion negativa`,
               PCICV$`Puntuacion T Valoracion negativa`,
               PCII$`Puntuacion T Valoracion negativa`,
               PCIFA$`Puntuacion T Valoracion negativa`,
               PCLMA$`Puntuacion T Valoracion negativa`), 
           max(PCIC$`Puntuacion T Valoracion negativa`, 
               PCIM$`Puntuacion T Valoracion negativa`, 
               PCIMA$`Puntuacion T Valoracion negativa`,
               PCID$`Puntuacion T Valoracion negativa`,
               PCLCE$`Puntuacion T Valoracion negativa`,
               PCIE$`Puntuacion T Valoracion negativa`,
               PCICV$`Puntuacion T Valoracion negativa`,
               PCII$`Puntuacion T Valoracion negativa`,
               PCIFA$`Puntuacion T Valoracion negativa`,
               PCLMA$`Puntuacion T Valoracion negativa`), length = 1000)


densidad12_T1 <- dnorm(x12, mean = mean(PCIC$`Puntuacion T Valoracion negativa`), sd = sd(PCIC$`Puntuacion T Valoracion negativa`))
densidad12_T2 <- dnorm(x12, mean = mean(PCIM$`Puntuacion T Valoracion negativa`), sd = sd(PCIM$`Puntuacion T Valoracion negativa`))
densidad12_T3 <- dnorm(x12, mean = mean(PCIMA$`Puntuacion T Valoracion negativa`), sd = sd(PCIMA$`Puntuacion T Valoracion negativa`))
densidad12_T4 <- dnorm(x12, mean = mean(PCID$`Puntuacion T Valoracion negativa`), sd = sd(PCID$`Puntuacion T Valoracion negativa`))
densidad12_T5 <- dnorm(x12, mean = mean(PCLCE$`Puntuacion T Valoracion negativa`), sd = sd(PCLCE$`Puntuacion T Valoracion negativa`))
densidad12_T6 <- dnorm(x12, mean = mean(PCIE$`Puntuacion T Valoracion negativa`), sd = sd(PCIE$`Puntuacion T Valoracion negativa`))
densidad12_T7 <- dnorm(x12, mean = mean(PCICV$`Puntuacion T Valoracion negativa`), sd = sd(PCICV$`Puntuacion T Valoracion negativa`))
densidad12_T8 <- dnorm(x12, mean = mean(PCII$`Puntuacion T Valoracion negativa`), sd = sd(PCII$`Puntuacion T Valoracion negativa`))
densidad12_T9 <- dnorm(x12, mean = mean(PCIFA$`Puntuacion T Valoracion negativa`), sd = sd(PCIFA$`Puntuacion T Valoracion negativa`))
densidad12_T10 <- dnorm(x12, mean = mean(PCLMA$`Puntuacion T Valoracion negativa`), sd = sd(PCIMA$`Puntuacion T Valoracion negativa`))

#Se ajustan los limites de los ejes
xlim12 <- c(min(x12), max(x12))
ylim12 <- c(0, max(densidad12_T1, densidad12_T2, densidad12_T3, densidad12_T4, densidad12_T5,
                   densidad12_T6, densidad12_T7, densidad12_T8, densidad12_T9, densidad12_T10) * 1.2)

plot(x12, densidad12_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación valoracion negativa por carrera",
     xlab = "Valor", ylab = "Densidad", xlim = xlim12, ylim = ylim12)
lines(x12, densidad12_T2, col = "red", lwd = 2)
lines(x12, densidad12_T3, col = "green", lwd = 2)
lines(x12, densidad12_T4, col = "#AB47BC", lwd = 2)
lines(x12, densidad12_T5, col = "#009688", lwd = 2)
lines(x12, densidad12_T6, col = "#FFEB3B", lwd = 2)
lines(x12, densidad12_T7, col = "#FB8C00", lwd = 2)
lines(x12, densidad12_T8, col = "#6D4C41", lwd = 2)
lines(x12, densidad12_T9, col = "#9E9E9E", lwd = 2)
lines(x12, densidad12_T10, col = "#263238", lwd = 2)
legend("topright",legend = c("PCIC", "PCIM", "PCIMA","PCID","PCLCE","PCIE","PCICV","PCII","PCIFA","PCLMA"), 
       col = c("blue", "red", "green","#AB47BC","#009688","#FFEB3B","#FB8C00","#6D4C41","#9E9E9E","#263238"), lwd = 2, bg = "white", cex = 0.5, box.col = "black")

Minimizacion de la amenaza

#Minimizacion de la amenaza
x13<- seq(min(PCIC$`Puntuacion T Minimizacion de la amenaza`, 
               PCIM$`Puntuacion T Minimizacion de la amenaza`, 
               PCIMA$`Puntuacion T Minimizacion de la amenaza`,
               PCID$`Puntuacion T Minimizacion de la amenaza`,
               PCLCE$`Puntuacion T Minimizacion de la amenaza`,
               PCIE$`Puntuacion T Minimizacion de la amenaza`,
               PCICV$`Puntuacion T Minimizacion de la amenaza`,
               PCII$`Puntuacion T Minimizacion de la amenaza`,
               PCIFA$`Puntuacion T Minimizacion de la amenaza`,
               PCLMA$`Puntuacion T Minimizacion de la amenaza`), 
           max(PCIC$`Puntuacion T Minimizacion de la amenaza`, 
               PCIM$`Puntuacion T Minimizacion de la amenaza`, 
               PCIMA$`Puntuacion T Minimizacion de la amenaza`,
               PCID$`Puntuacion T Minimizacion de la amenaza`,
               PCLCE$`Puntuacion T Minimizacion de la amenaza`,
               PCIE$`Puntuacion T Minimizacion de la amenaza`,
               PCICV$`Puntuacion T Minimizacion de la amenaza`,
               PCII$`Puntuacion T Minimizacion de la amenaza`,
               PCIFA$`Puntuacion T Minimizacion de la amenaza`,
               PCLMA$`Puntuacion T Minimizacion de la amenaza`), length = 1000)


densidad13_T1 <- dnorm(x13, mean = mean(PCIC$`Puntuacion T Minimizacion de la amenaza`), sd = sd(PCIC$`Puntuacion T Minimizacion de la amenaza`))
densidad13_T2 <- dnorm(x13, mean = mean(PCIM$`Puntuacion T Minimizacion de la amenaza`), sd = sd(PCIM$`Puntuacion T Minimizacion de la amenaza`))
densidad13_T3 <- dnorm(x13, mean = mean(PCIMA$`Puntuacion T Minimizacion de la amenaza`), sd = sd(PCIMA$`Puntuacion T Minimizacion de la amenaza`))
densidad13_T4 <- dnorm(x13, mean = mean(PCID$`Puntuacion T Minimizacion de la amenaza`), sd = sd(PCID$`Puntuacion T Minimizacion de la amenaza`))
densidad13_T5 <- dnorm(x13, mean = mean(PCLCE$`Puntuacion T Minimizacion de la amenaza`), sd = sd(PCLCE$`Puntuacion T Minimizacion de la amenaza`))
densidad13_T6 <- dnorm(x13, mean = mean(PCIE$`Puntuacion T Minimizacion de la amenaza`), sd = sd(PCIE$`Puntuacion T Minimizacion de la amenaza`))
densidad13_T7 <- dnorm(x13, mean = mean(PCICV$`Puntuacion T Minimizacion de la amenaza`), sd = sd(PCICV$`Puntuacion T Minimizacion de la amenaza`))
densidad13_T8 <- dnorm(x13, mean = mean(PCII$`Puntuacion T Minimizacion de la amenaza`), sd = sd(PCII$`Puntuacion T Minimizacion de la amenaza`))
densidad13_T9 <- dnorm(x13, mean = mean(PCIFA$`Puntuacion T Minimizacion de la amenaza`), sd = sd(PCIFA$`Puntuacion T Minimizacion de la amenaza`))
densidad13_T10 <- dnorm(x13, mean = mean(PCLMA$`Puntuacion T Minimizacion de la amenaza`), sd = sd(PCIMA$`Puntuacion T Minimizacion de la amenaza`))

#Se ajustan los limites de los ejes
xlim13 <- c(min(x13), max(x13))
ylim13 <- c(0, max(densidad13_T1, densidad13_T2, densidad13_T3, densidad13_T4, densidad13_T5,
                   densidad13_T6, densidad13_T7, densidad13_T8, densidad13_T9, densidad13_T10) * 1.2)

plot(x13, densidad13_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación minimizacion de la amenaza por carrera",
     xlab = "Valor", ylab = "Densidad", xlim = xlim13, ylim = ylim13)
lines(x13, densidad13_T2, col = "red", lwd = 2)
lines(x13, densidad13_T3, col = "green", lwd = 2)
lines(x13, densidad13_T4, col = "#AB47BC", lwd = 2)
lines(x13, densidad13_T5, col = "#009688", lwd = 2)
lines(x13, densidad13_T6, col = "#FFEB3B", lwd = 2)
lines(x13, densidad13_T7, col = "#FB8C00", lwd = 2)
lines(x13, densidad13_T8, col = "#6D4C41", lwd = 2)
lines(x13, densidad13_T9, col = "#9E9E9E", lwd = 2)
lines(x13, densidad13_T10, col = "#263238", lwd = 2)
legend("topright",legend = c("PCIC", "PCIM", "PCIMA","PCID","PCLCE","PCIE","PCICV","PCII","PCIFA","PCLMA"), 
       col = c("blue", "red", "green","#AB47BC","#009688","#FFEB3B","#FB8C00","#6D4C41","#9E9E9E","#263238"), lwd = 2, bg = "white", cex = 0.5, box.col = "black")

Concentracion en el problema

#Concentracion en el problema
x14<- seq(min(PCIC$`Puntuacion T Concentracion en el problema`, 
              PCIM$`Puntuacion T Concentracion en el problema`, 
              PCIMA$`Puntuacion T Concentracion en el problema`,
              PCID$`Puntuacion T Concentracion en el problema`,
              PCLCE$`Puntuacion T Concentracion en el problema`,
              PCIE$`Puntuacion T Concentracion en el problema`,
              PCICV$`Puntuacion T Concentracion en el problema`,
              PCII$`Puntuacion T Concentracion en el problema`,
              PCIFA$`Puntuacion T Concentracion en el problema`,
              PCLMA$`Puntuacion T Concentracion en el problema`), 
          max(PCIC$`Puntuacion T Concentracion en el problema`, 
              PCIM$`Puntuacion T Concentracion en el problema`, 
              PCIMA$`Puntuacion T Concentracion en el problema`,
              PCID$`Puntuacion T Concentracion en el problema`,
              PCLCE$`Puntuacion T Concentracion en el problema`,
              PCIE$`Puntuacion T Concentracion en el problema`,
              PCICV$`Puntuacion T Concentracion en el problema`,
              PCII$`Puntuacion T Concentracion en el problema`,
              PCIFA$`Puntuacion T Concentracion en el problema`,
              PCLMA$`Puntuacion T Concentracion en el problema`), length = 1000)


densidad14_T1 <- dnorm(x14, mean = mean(PCIC$`Puntuacion T Concentracion en el problema`), sd = sd(PCIC$`Puntuacion T Concentracion en el problema`))
densidad14_T2 <- dnorm(x14, mean = mean(PCIM$`Puntuacion T Concentracion en el problema`), sd = sd(PCIM$`Puntuacion T Concentracion en el problema`))
densidad14_T3 <- dnorm(x14, mean = mean(PCIMA$`Puntuacion T Concentracion en el problema`), sd = sd(PCIMA$`Puntuacion T Concentracion en el problema`))
densidad14_T4 <- dnorm(x14, mean = mean(PCID$`Puntuacion T Concentracion en el problema`), sd = sd(PCID$`Puntuacion T Concentracion en el problema`))
densidad14_T5 <- dnorm(x14, mean = mean(PCLCE$`Puntuacion T Concentracion en el problema`), sd = sd(PCLCE$`Puntuacion T Concentracion en el problema`))
densidad14_T6 <- dnorm(x14, mean = mean(PCIE$`Puntuacion T Concentracion en el problema`), sd = sd(PCIE$`Puntuacion T Concentracion en el problema`))
densidad14_T7 <- dnorm(x14, mean = mean(PCICV$`Puntuacion T Concentracion en el problema`), sd = sd(PCICV$`Puntuacion T Concentracion en el problema`))
densidad14_T8 <- dnorm(x14, mean = mean(PCII$`Puntuacion T Concentracion en el problema`), sd = sd(PCII$`Puntuacion T Concentracion en el problema`))
densidad14_T9 <- dnorm(x14, mean = mean(PCIFA$`Puntuacion T Concentracion en el problema`), sd = sd(PCIFA$`Puntuacion T Concentracion en el problema`))
densidad14_T10 <- dnorm(x14, mean = mean(PCLMA$`Puntuacion T Concentracion en el problema`), sd = sd(PCIMA$`Puntuacion T Concentracion en el problema`))

#Se ajustan los limites de los ejes
xlim14 <- c(min(x14), max(x14))
ylim14 <- c(0, max(densidad14_T1, densidad14_T2, densidad14_T3, densidad14_T4, densidad14_T5,
                   densidad14_T6, densidad14_T7, densidad14_T8, densidad14_T9, densidad14_T10) * 1.2)

plot(x14, densidad14_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación concentracion en el problema por carrera",
     xlab = "Valor", ylab = "Densidad", xlim = xlim14, ylim = ylim14)
lines(x14, densidad14_T2, col = "red", lwd = 2)
lines(x14, densidad14_T3, col = "green", lwd = 2)
lines(x14, densidad14_T4, col = "#AB47BC", lwd = 2)
lines(x14, densidad14_T5, col = "#009688", lwd = 2)
lines(x14, densidad14_T6, col = "#FFEB3B", lwd = 2)
lines(x14, densidad14_T7, col = "#FB8C00", lwd = 2)
lines(x14, densidad14_T8, col = "#6D4C41", lwd = 2)
lines(x14, densidad14_T9, col = "#9E9E9E", lwd = 2)
lines(x14, densidad14_T10, col = "#263238", lwd = 2)
legend("topright",legend = c("PCIC", "PCIM", "PCIMA","PCID","PCLCE","PCIE","PCICV","PCII","PCIFA","PCLMA"), 
       col = c("blue", "red", "green","#AB47BC","#009688","#FFEB3B","#FB8C00","#6D4C41","#9E9E9E","#263238"), lwd = 2, bg = "white", cex = 0.5, box.col = "black")

Bienestar psicologico

#Bienestar psicologico
x15<- seq(min(PCIC$`Puntuacion T Bienestar psicologico`, 
              PCIM$`Puntuacion T Bienestar psicologico`, 
              PCIMA$`Puntuacion T Bienestar psicologico`,
              PCID$`Puntuacion T Bienestar psicologico`,
              PCLCE$`Puntuacion T Bienestar psicologico`,
              PCIE$`Puntuacion T Bienestar psicologico`,
              PCICV$`Puntuacion T Bienestar psicologico`,
              PCII$`Puntuacion T Bienestar psicologico`,
              PCIFA$`Puntuacion T Bienestar psicologico`,
              PCLMA$`Puntuacion T Bienestar psicologico`), 
          max(PCIC$`Puntuacion T Bienestar psicologico`, 
              PCIM$`Puntuacion T Bienestar psicologico`, 
              PCIMA$`Puntuacion T Bienestar psicologico`,
              PCID$`Puntuacion T Bienestar psicologico`,
              PCLCE$`Puntuacion T Bienestar psicologico`,
              PCIE$`Puntuacion T Bienestar psicologico`,
              PCICV$`Puntuacion T Bienestar psicologico`,
              PCII$`Puntuacion T Bienestar psicologico`,
              PCIFA$`Puntuacion T Bienestar psicologico`,
              PCLMA$`Puntuacion T Bienestar psicologico`), length = 1000)


densidad15_T1 <- dnorm(x15, mean = mean(PCIC$`Puntuacion T Concentracion en el problema`), sd = sd(PCIC$`Puntuacion T Concentracion en el problema`))
densidad15_T2 <- dnorm(x15, mean = mean(PCIM$`Puntuacion T Concentracion en el problema`), sd = sd(PCIM$`Puntuacion T Concentracion en el problema`))
densidad15_T3 <- dnorm(x15, mean = mean(PCIMA$`Puntuacion T Concentracion en el problema`), sd = sd(PCIMA$`Puntuacion T Concentracion en el problema`))
densidad15_T4 <- dnorm(x15, mean = mean(PCID$`Puntuacion T Concentracion en el problema`), sd = sd(PCID$`Puntuacion T Concentracion en el problema`))
densidad15_T5 <- dnorm(x15, mean = mean(PCLCE$`Puntuacion T Concentracion en el problema`), sd = sd(PCLCE$`Puntuacion T Concentracion en el problema`))
densidad15_T6 <- dnorm(x15, mean = mean(PCIE$`Puntuacion T Concentracion en el problema`), sd = sd(PCIE$`Puntuacion T Concentracion en el problema`))
densidad15_T7 <- dnorm(x15, mean = mean(PCICV$`Puntuacion T Concentracion en el problema`), sd = sd(PCICV$`Puntuacion T Concentracion en el problema`))
densidad15_T8 <- dnorm(x15, mean = mean(PCII$`Puntuacion T Concentracion en el problema`), sd = sd(PCII$`Puntuacion T Concentracion en el problema`))
densidad15_T9 <- dnorm(x15, mean = mean(PCIFA$`Puntuacion T Concentracion en el problema`), sd = sd(PCIFA$`Puntuacion T Concentracion en el problema`))
densidad15_T10 <- dnorm(x15, mean = mean(PCLMA$`Puntuacion T Concentracion en el problema`), sd = sd(PCIMA$`Puntuacion T Concentracion en el problema`))

#Se ajustan los limites de los ejes
xlim15 <- c(min(x15), max(x15))
ylim15 <- c(0, max(densidad15_T1, densidad15_T2, densidad15_T3, densidad15_T4, densidad15_T5,
                   densidad15_T6, densidad15_T7, densidad15_T8, densidad15_T9, densidad15_T10) * 1.2)

plot(x15, densidad15_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación bienestar psicologico por carrera",
     xlab = "Valor", ylab = "Densidad", xlim = xlim15, ylim = ylim15)
lines(x15, densidad15_T2, col = "red", lwd = 2)
lines(x15, densidad15_T3, col = "green", lwd = 2)
lines(x15, densidad15_T4, col = "#AB47BC", lwd = 2)
lines(x15, densidad15_T5, col = "#009688", lwd = 2)
lines(x15, densidad15_T6, col = "#FFEB3B", lwd = 2)
lines(x15, densidad15_T7, col = "#FB8C00", lwd = 2)
lines(x15, densidad15_T8, col = "#6D4C41", lwd = 2)
lines(x15, densidad15_T9, col = "#9E9E9E", lwd = 2)
lines(x15, densidad15_T10, col = "#263238", lwd = 2)
legend("topright",legend = c("PCIC", "PCIM", "PCIMA","PCID","PCLCE","PCIE","PCICV","PCII","PCIFA","PCLMA"), 
       col = c("blue", "red", "green","#AB47BC","#009688","#FFEB3B","#FB8C00","#6D4C41","#9E9E9E","#263238"), lwd = 2, bg = "white", cex = 0.5, box.col = "black")

Graficas: Comparativa por sexo

Estres

#Estres por sexo
s <- seq(min(HOMBRES$`Puntuacion T Estres`, 
              MUJERES$`Puntuacion T Estres`), 
          max(HOMBRES$`Puntuacion T Estres`, 
              MUJERES$`Puntuacion T Estres`), length = 1000)
densidadS_T1 <- dnorm(s, mean = mean(HOMBRES$`Puntuacion T Estres`), sd = sd(HOMBRES$`Puntuacion T Estres`))
densidadS_T2 <- dnorm(s, mean = mean(MUJERES$`Puntuacion T Estres`), sd = sd(MUJERES$`Puntuacion T Estres`))


#Se ajustan los limites de los ejes
xlimS <- c(min(s), max(s))
ylimS <- c(0, max(densidadS_T1, densidadS_T2) * 1.2)

plot(s, densidadS_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación de estres por sexo",
     xlab = "Valor", ylab = "Densidad", xlim = xlimS, ylim = ylimS)
lines(s, densidadS_T2, col = "red", lwd = 2)
legend("topright", legend = c("Hombres", "Mujeres"), 
       col = c("blue", "red"), lwd = 2, bg = "white", cex = 0.5, box.col = "black")

Salud

#Salud por sexo
s2 <- seq(min(HOMBRES$`Puntuacion T Habitos de salud`, 
             MUJERES$`Puntuacion T Habitos de salud`), 
         max(HOMBRES$`Puntuacion T Habitos de salud`, 
             MUJERES$`Puntuacion T Habitos de salud`), length = 1000)
densidadS2_T1 <- dnorm(s, mean = mean(HOMBRES$`Puntuacion T Habitos de salud`), sd = sd(HOMBRES$`Puntuacion T Habitos de salud`))
densidadS2_T2 <- dnorm(s, mean = mean(MUJERES$`Puntuacion T Habitos de salud`), sd = sd(MUJERES$`Puntuacion T Habitos de salud`))


#Se ajustan los limites de los ejes
xlimS2 <- c(min(s2), max(s2))
ylimS2 <- c(0, max(densidadS2_T1, densidadS2_T2) * 1.2)

plot(s2, densidadS2_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación de habitos de salud por sexo",
     xlab = "Valor", ylab = "Densidad", xlim = xlimS2, ylim = ylimS2)
lines(s2, densidadS2_T2, col = "red", lwd = 2)
legend("topright", legend = c("Hombres", "Mujeres"), 
       col = c("blue", "red"), lwd = 2, bg = "white", cex = 0.5, box.col = "black")

Ejercicio

#Salud por sexo
s2 <- seq(min(HOMBRES$`Puntuacion T Habitos de salud`, 
             MUJERES$`Puntuacion T Habitos de salud`), 
         max(HOMBRES$`Puntuacion T Habitos de salud`, 
             MUJERES$`Puntuacion T Habitos de salud`), length = 1000)
densidadS2_T1 <- dnorm(s, mean = mean(HOMBRES$`Puntuacion T Habitos de salud`), sd = sd(HOMBRES$`Puntuacion T Habitos de salud`))
densidadS2_T2 <- dnorm(s, mean = mean(MUJERES$`Puntuacion T Habitos de salud`), sd = sd(MUJERES$`Puntuacion T Habitos de salud`))


#Se ajustan los limites de los ejes
xlimS2 <- c(min(s2), max(s2))
ylimS2 <- c(0, max(densidadS2_T1, densidadS2_T2) * 1.2)

plot(s2, densidadS2_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación de habitos de salud por sexo",
     xlab = "Valor", ylab = "Densidad", xlim = xlimS2, ylim = ylimS2)
lines(s2, densidadS2_T2, col = "red", lwd = 2)
legend("topright", legend = c("Hombres", "Mujeres"), 
       col = c("blue", "red"), lwd = 2, bg = "white", cex = 0.5, box.col = "black")

Descanso

#Descanso por sexo
s4 <- seq(min(HOMBRES$`Puntuacion T Descanso/sueño`, 
              MUJERES$`Puntuacion T Descanso/sueño`), 
          max(HOMBRES$`Puntuacion T Descanso/sueño`, 
              MUJERES$`Puntuacion T Descanso/sueño`), length = 1000)
densidadS4_T1 <- dnorm(s4, mean = mean(HOMBRES$`Puntuacion T Descanso/sueño`), sd = sd(HOMBRES$`Puntuacion T Descanso/sueño`))
densidadS4_T2 <- dnorm(s4, mean = mean(MUJERES$`Puntuacion T Descanso/sueño`), sd = sd(MUJERES$`Puntuacion T Descanso/sueño`))


#Se ajustan los limites de los ejes
xlimS4 <- c(min(s4), max(s4))
ylimS4 <- c(0, max(densidadS4_T1, densidadS4_T2) * 1.2)

plot(s4, densidadS4_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación de habitos de sueño por sexo",
     xlab = "Valor", ylab = "Densidad", xlim = xlimS4, ylim = ylimS4)
lines(s4, densidadS4_T2, col = "red", lwd = 2)
legend("topright", legend = c("Hombres", "Mujeres"), 
       col = c("blue", "red"), lwd = 2, bg = "white", cex = 0.5, box.col = "black")

Alimentacion

#Alimentacion por sexo
s5 <- seq(min(HOMBRES$`Puntuacion T Alimentacion/Nutricion`, 
              MUJERES$`Puntuacion T Alimentacion/Nutricion`), 
          max(HOMBRES$`Puntuacion T Alimentacion/Nutricion`, 
              MUJERES$`Puntuacion T Alimentacion/Nutricion`), length = 1000)
densidadS5_T1 <- dnorm(s5, mean = mean(HOMBRES$`Puntuacion T Alimentacion/Nutricion`), sd = sd(HOMBRES$`Puntuacion T Alimentacion/Nutricion`))
densidadS5_T2 <- dnorm(s5, mean = mean(MUJERES$`Puntuacion T Alimentacion/Nutricion`), sd = sd(MUJERES$`Puntuacion T Alimentacion/Nutricion`))


#Se ajustan los limites de los ejes
xlimS5 <- c(min(s5), max(s5))
ylimS5 <- c(0, max(densidadS5_T1, densidadS5_T2) * 1.2)

plot(s5, densidadS5_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación de habitos de alimentacion por sexo",
     xlab = "Valor", ylab = "Densidad", xlim = xlimS5, ylim = ylimS5)
lines(s5, densidadS5_T2, col = "red", lwd = 2)
legend("topright", legend = c("Hombres", "Mujeres"), 
       col = c("blue", "red"), lwd = 2, bg = "white", cex = 0.5, box.col = "black")

Prevencion

#Prevencion por sexo
s6 <- seq(min(HOMBRES$`Puntuacion T Prevencion`, 
              MUJERES$`Puntuacion T Prevencion`), 
          max(HOMBRES$`Puntuacion T Prevencion`, 
              MUJERES$`Puntuacion T Prevencion`), length = 1000)
densidadS6_T1 <- dnorm(s6, mean = mean(HOMBRES$`Puntuacion T Prevencion`), sd = sd(HOMBRES$`Puntuacion T Prevencion`))
densidadS6_T2 <- dnorm(s6, mean = mean(MUJERES$`Puntuacion T Prevencion`), sd = sd(MUJERES$`Puntuacion T Prevencion`))


#Se ajustan los limites de los ejes
xlimS6 <- c(min(s6), max(s6))
ylimS6 <- c(0, max(densidadS6_T1, densidadS6_T2) * 1.2)

plot(s6, densidadS6_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación de habitos de prevencion por sexo",
     xlab = "Valor", ylab = "Densidad", xlim = xlimS6, ylim = ylimS6)
lines(s6, densidadS6_T2, col = "red", lwd = 2)
legend("topright", legend = c("Hombres", "Mujeres"), 
       col = c("blue", "red"), lwd = 2, bg = "white", cex = 0.5, box.col = "black")

Conglomerado de reactivos

#Conglomerado de reactivos por sexo
s7 <- seq(min(HOMBRES$`Puntuacion T Conglomerado de reactivos`, 
              MUJERES$`Puntuacion T Conglomerado de reactivos`), 
          max(HOMBRES$`Puntuacion T Conglomerado de reactivos`, 
              MUJERES$`Puntuacion T Conglomerado de reactivos`), length = 1000)
densidadS7_T1 <- dnorm(s7, mean = mean(HOMBRES$`Puntuacion T Conglomerado de reactivos`), sd = sd(HOMBRES$`Puntuacion T Conglomerado de reactivos`))
densidadS7_T2 <- dnorm(s7, mean = mean(MUJERES$`Puntuacion T Conglomerado de reactivos`), sd = sd(MUJERES$`Puntuacion T Conglomerado de reactivos`))


#Se ajustan los limites de los ejes
xlimS7 <- c(min(s7), max(s7))
ylimS7 <- c(0, max(densidadS7_T1, densidadS7_T2) * 1.2)

plot(s7, densidadS7_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación de conglomerado de reactivos por sexo",
     xlab = "Valor", ylab = "Densidad", xlim = xlimS7, ylim = ylimS7)
lines(s7, densidadS7_T2, col = "red", lwd = 2)
legend("topright", legend = c("Hombres", "Mujeres"), 
       col = c("blue", "red"), lwd = 2, bg = "white", cex = 0.5, box.col = "black")

Red de apoyo social

#Red de apoyo social por sexo
s8 <- seq(min(HOMBRES$`Puntuacion T Red de apoyo social`, 
              MUJERES$`Puntuacion T Red de apoyo social`), 
          max(HOMBRES$`Puntuacion T Red de apoyo social`, 
              MUJERES$`Puntuacion T Red de apoyo social`), length = 1000)
densidadS8_T1 <- dnorm(s8, mean = mean(HOMBRES$`Puntuacion T Red de apoyo social`), sd = sd(HOMBRES$`Puntuacion T Red de apoyo social`))
densidadS8_T2 <- dnorm(s8, mean = mean(MUJERES$`Puntuacion T Red de apoyo social`), sd = sd(MUJERES$`Puntuacion T Red de apoyo social`))


#Se ajustan los limites de los ejes
xlimS8 <- c(min(s8), max(s8))
ylimS8 <- c(0, max(densidadS8_T1, densidadS8_T2) * 1.2)

plot(s8, densidadS8_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación de red de apoyo social por sexo",
     xlab = "Valor", ylab = "Densidad", xlim = xlimS8, ylim = ylimS8)
lines(s8, densidadS8_T2, col = "red", lwd = 2)
legend("topright", legend = c("Hombres", "Mujeres"), 
       col = c("blue", "red"), lwd = 2, bg = "white", cex = 0.5, box.col = "black")

Conducta tipo A

#Conducta tipo A por sexo
s9 <- seq(min(HOMBRES$`Puntuacion T Conducta tipo A`, 
              MUJERES$`Puntuacion T Conducta tipo A`), 
          max(HOMBRES$`Puntuacion T Conducta tipo A`, 
              MUJERES$`Puntuacion T Conducta tipo A`), length = 1000)
densidadS9_T1 <- dnorm(s9, mean = mean(HOMBRES$`Puntuacion T Conducta tipo A`), sd = sd(HOMBRES$`Puntuacion T Conducta tipo A`))
densidadS9_T2 <- dnorm(s9, mean = mean(MUJERES$`Puntuacion T Conducta tipo A`), sd = sd(MUJERES$`Puntuacion T Conducta tipo A`))


#Se ajustan los limites de los ejes
xlimS9 <- c(min(s9), max(s9))
ylimS9 <- c(0, max(densidadS9_T1, densidadS9_T2) * 1.2)

plot(s9, densidadS9_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación de conducta tipo A por sexo",
     xlab = "Valor", ylab = "Densidad", xlim = xlimS9, ylim = ylimS9)
lines(s9, densidadS9_T2, col = "red", lwd = 2)
legend("topright", legend = c("Hombres", "Mujeres"), 
       col = c("blue", "red"), lwd = 2, bg = "white", cex = 0.5, box.col = "black")

Fuerza cognitiva

#Fuerza cognitiva por sexo
s10 <- seq(min(HOMBRES$`Puntuacion T Fuerza cognitiva`, 
              MUJERES$`Puntuacion T Fuerza cognitiva`), 
          max(HOMBRES$`Puntuacion T Fuerza cognitiva`, 
              MUJERES$`Puntuacion T Fuerza cognitiva`), length = 1000)
densidadS10_T1 <- dnorm(s10, mean = mean(HOMBRES$`Puntuacion T Fuerza cognitiva`), sd = sd(HOMBRES$`Puntuacion T Fuerza cognitiva`))
densidadS10_T2 <- dnorm(s10, mean = mean(MUJERES$`Puntuacion T Fuerza cognitiva`), sd = sd(MUJERES$`Puntuacion T Fuerza cognitiva`))


#Se ajustan los limites de los ejes
xlimS10 <- c(min(s10), max(s10))
ylimS10 <- c(0, max(densidadS10_T1, densidadS10_T2) * 1.2)

plot(s10, densidadS10_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación de fuerza cognitiva por sexo",
     xlab = "Valor", ylab = "Densidad", xlim = xlimS10, ylim = ylimS10)
lines(s10, densidadS10_T2, col = "red", lwd = 2)
legend("topright", legend = c("Hombres", "Mujeres"), 
       col = c("blue", "red"), lwd = 2, bg = "white", cex = 0.5, box.col = "black")

Valoracion positiva

#Valoracion positiva por sexo
s11 <- seq(min(HOMBRES$`Puntuacion T Valoracion positiva`, 
               MUJERES$`Puntuacion T Valoracion positiva`), 
           max(HOMBRES$`Puntuacion T Valoracion positiva`, 
               MUJERES$`Puntuacion T Valoracion positiva`), length = 1000)
densidadS11_T1 <- dnorm(s11, mean = mean(HOMBRES$`Puntuacion T Valoracion positiva`), sd = sd(HOMBRES$`Puntuacion T Valoracion positiva`))
densidadS11_T2 <- dnorm(s11, mean = mean(MUJERES$`Puntuacion T Valoracion positiva`), sd = sd(MUJERES$`Puntuacion T Valoracion positiva`))


#Se ajustan los limites de los ejes
xlimS11 <- c(min(s11), max(s11))
ylimS11 <- c(0, max(densidadS11_T1, densidadS11_T2) * 1.2)

plot(s11, densidadS11_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación de valoracion pisitiva por sexo",
     xlab = "Valor", ylab = "Densidad", xlim = xlimS11, ylim = ylimS11)
lines(s11, densidadS11_T2, col = "red", lwd = 2)
legend("topright", legend = c("Hombres", "Mujeres"), 
       col = c("blue", "red"), lwd = 2, bg = "white", cex = 0.5, box.col = "black")

Valoracion negativa

#Valoracion negativa por sexo
s12 <- seq(min(HOMBRES$`Puntuacion T Valoracion negativa`, 
               MUJERES$`Puntuacion T Valoracion negativa`), 
           max(HOMBRES$`Puntuacion T Valoracion negativa`, 
               MUJERES$`Puntuacion T Valoracion negativa`), length = 1000)
densidadS12_T1 <- dnorm(s12, mean = mean(HOMBRES$`Puntuacion T Valoracion negativa`), sd = sd(HOMBRES$`Puntuacion T Valoracion negativa`))
densidadS12_T2 <- dnorm(s12, mean = mean(MUJERES$`Puntuacion T Valoracion negativa`), sd = sd(MUJERES$`Puntuacion T Valoracion negativa`))


#Se ajustan los limites de los ejes
xlimS12 <- c(min(s12), max(s12))
ylimS12 <- c(0, max(densidadS12_T1, densidadS12_T2) * 1.2)

plot(s12, densidadS12_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación de valoracion negativa por sexo",
     xlab = "Valor", ylab = "Densidad", xlim = xlimS12, ylim = ylimS12)
lines(s12, densidadS12_T2, col = "red", lwd = 2)
legend("topright", legend = c("Hombres", "Mujeres"), 
       col = c("blue", "red"), lwd = 2, bg = "white", cex = 0.5, box.col = "black")

Minimixacion de la amenaza

#Minimizacion de la amenaza por sexo
s13 <- seq(min(HOMBRES$`Puntuacion T Minimizacion de la amenaza`, 
               MUJERES$`Puntuacion T Minimizacion de la amenaza`), 
           max(HOMBRES$`Puntuacion T Minimizacion de la amenaza`, 
               MUJERES$`Puntuacion T Minimizacion de la amenaza`), length = 1000)
densidadS13_T1 <- dnorm(s13, mean = mean(HOMBRES$`Puntuacion T Minimizacion de la amenaza`), sd = sd(HOMBRES$`Puntuacion T Minimizacion de la amenaza`))
densidadS13_T2 <- dnorm(s13, mean = mean(MUJERES$`Puntuacion T Minimizacion de la amenaza`), sd = sd(MUJERES$`Puntuacion T Minimizacion de la amenaza`))


#Se ajustan los limites de los ejes
xlimS13 <- c(min(s13), max(s13))
ylimS13 <- c(0, max(densidadS13_T1, densidadS13_T2) * 1.2)

plot(s13, densidadS13_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación de minimizacion de la amenaza por sexo",
     xlab = "Valor", ylab = "Densidad", xlim = xlimS13, ylim = ylimS13)
lines(s13, densidadS13_T2, col = "red", lwd = 2)
legend("topright", legend = c("Hombres", "Mujeres"), 
       col = c("blue", "red"), lwd = 2, bg = "white", cex = 0.5, box.col = "black")

Concentracion en el problema

#Concentracion en el problema de la amenaza por sexo
s14 <- seq(min(HOMBRES$`Puntuacion T Concentracion en el problema`, 
               MUJERES$`Puntuacion T Concentracion en el problema`), 
           max(HOMBRES$`Puntuacion T Concentracion en el problema`, 
               MUJERES$`Puntuacion T Concentracion en el problema`), length = 1000)
densidadS14_T1 <- dnorm(s14, mean = mean(HOMBRES$`Puntuacion T Concentracion en el problema`), sd = sd(HOMBRES$`Puntuacion T Concentracion en el problema`))
densidadS14_T2 <- dnorm(s14, mean = mean(MUJERES$`Puntuacion T Concentracion en el problema`), sd = sd(MUJERES$`Puntuacion T Concentracion en el problema`))


#Se ajustan los limites de los ejes
xlimS14 <- c(min(s14), max(s14))
ylimS14 <- c(0, max(densidadS14_T1, densidadS14_T2) * 1.2)

plot(s14, densidadS14_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación de concentracion en el problema por sexo",
     xlab = "Valor", ylab = "Densidad", xlim = xlimS14, ylim = ylimS14)
lines(s14, densidadS14_T2, col = "red", lwd = 2)
legend("topright", legend = c("Hombres", "Mujeres"), 
       col = c("blue", "red"), lwd = 2, bg = "white", cex = 0.5, box.col = "black")

Bienestar psicologico

#Bienestar psicologico de la amenaza por sexo
s15 <- seq(min(HOMBRES$`Puntuacion T Bienestar psicologico`, 
               MUJERES$`Puntuacion T Bienestar psicologico`), 
           max(HOMBRES$`Puntuacion T Bienestar psicologico`, 
               MUJERES$`Puntuacion T Bienestar psicologico`), length = 1000)
densidadS15_T1 <- dnorm(s15, mean = mean(HOMBRES$`Puntuacion T Bienestar psicologico`), sd = sd(HOMBRES$`Puntuacion T Bienestar psicologico`))
densidadS15_T2 <- dnorm(s15, mean = mean(MUJERES$`Puntuacion T Bienestar psicologico`), sd = sd(MUJERES$`Puntuacion T Bienestar psicologico`))


#Se ajustan los limites de los ejes
xlimS15 <- c(min(s15), max(s15))
ylimS15 <- c(0, max(densidadS15_T1, densidadS15_T2) * 1.2)

plot(s15, densidadS15_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación de concentracion en el problema por sexo",
     xlab = "Valor", ylab = "Densidad", xlim = xlimS15, ylim = ylimS15)
lines(s15, densidadS15_T2, col = "red", lwd = 2)
legend("topright", legend = c("Hombres", "Mujeres"), 
       col = c("blue", "red"), lwd = 2, bg = "white", cex = 0.5, box.col = "black")

Region

Estres

r <- seq(min(CANADA$`Puntuacion T Estres`, 
              COSTA$`Puntuacion T Estres`,
              ISTMO$`Puntuacion T Estres`,
              MIXTECA$`Puntuacion T Estres`,
              PAPALOAPAN$`Puntuacion T Estres`,
              SIERRANORTE$`Puntuacion T Estres`,
              SIERRASUR$`Puntuacion T Estres`,
              VALLESCENTRALES$`Puntuacion T Estres`,
              OTRO$`Puntuacion T Estres`), 
          max(CANADA$`Puntuacion T Estres`, 
              COSTA$`Puntuacion T Estres`,
              ISTMO$`Puntuacion T Estres`,
              MIXTECA$`Puntuacion T Estres`,
              PAPALOAPAN$`Puntuacion T Estres`,
              SIERRANORTE$`Puntuacion T Estres`,
              SIERRASUR$`Puntuacion T Estres`,
              VALLESCENTRALES$`Puntuacion T Estres`,
              OTRO$`Puntuacion T Estres`), length = 1000)
densidadR_T1 <- dnorm(r, mean = mean(CANADA$`Puntuacion T Estres`), sd = sd(CANADA$`Puntuacion T Estres`))
densidadR_T2 <- dnorm(r, mean = mean(COSTA$`Puntuacion T Estres`), sd = sd(COSTA$`Puntuacion T Estres`))
densidadR_T3 <- dnorm(r, mean = mean(ISTMO$`Puntuacion T Estres`), sd = sd(ISTMO$`Puntuacion T Estres`))
densidadR_T4 <- dnorm(r, mean = mean(MIXTECA$`Puntuacion T Estres`), sd = sd(MIXTECA$`Puntuacion T Estres`))
densidadR_T5 <- dnorm(r, mean = mean(PAPALOAPAN$`Puntuacion T Estres`), sd = sd(PAPALOAPAN$`Puntuacion T Estres`))
densidadR_T6 <- dnorm(r, mean = mean(SIERRANORTE$`Puntuacion T Estres`), sd = sd(SIERRANORTE$`Puntuacion T Estres`))
densidadR_T7 <- dnorm(r, mean = mean(SIERRASUR$`Puntuacion T Estres`), sd = sd(SIERRASUR$`Puntuacion T Estres`))
densidadR_T8 <- dnorm(r, mean = mean(VALLESCENTRALES$`Puntuacion T Estres`), sd = sd(VALLESCENTRALES$`Puntuacion T Estres`))
densidadR_T9 <- dnorm(r, mean = mean(OTRO$`Puntuacion T Estres`), sd = sd(OTRO$`Puntuacion T Estres`))


#Se ajustan los limites de los ejes
xlimR <- c(min(r), max(r))
ylimR <- c(0, max(densidadR_T1, densidadR_T2, densidadR_T3, densidadR_T4, densidadR_T5,
                 densidadR_T6, densidadR_T7, densidadR_T8, densidadR_T9) * 1.2)

plot(r, densidadR_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación estres por region",
     xlab = "Valor", ylab = "Densidad", xlim = xlimR, ylim = ylimR)
lines(r, densidadR_T2, col = "red", lwd = 2)
lines(r, densidadR_T3, col = "green", lwd = 2)
lines(r, densidadR_T4, col = "#AB47BC", lwd = 2)
lines(r, densidadR_T5, col = "#009688", lwd = 2)
lines(r, densidadR_T6, col = "#FFEB3B", lwd = 2)
lines(r, densidadR_T7, col = "#FB8C00", lwd = 2)
lines(r, densidadR_T8, col = "#6D4C41", lwd = 2)
lines(r, densidadR_T9, col = "#9E9E9E", lwd = 2)
legend("topright", legend = c("CANADA", "COSTA", "ISTMO","MIXTECA","PAPALOAPAN","SIERRANORTE","SIERRASUR","VALLESCENTRALES","OTRO"), 
       col = c("blue", "red", "green","#AB47BC","#009688","#FFEB3B","#FB8C00","#6D4C41","#9E9E9E"), lwd = 2, bg = "white", cex = 0.5, box.col = "black")

Salud

#Habitos de salud por region
r2 <- seq(min(CANADA$`Puntuacion T Habitos de salud`, 
             COSTA$`Puntuacion T Habitos de salud`,
             ISTMO$`Puntuacion T Habitos de salud`,
             MIXTECA$`Puntuacion T Habitos de salud`,
             PAPALOAPAN$`Puntuacion T Habitos de salud`,
             SIERRANORTE$`Puntuacion T Habitos de salud`,
             SIERRASUR$`Puntuacion T Habitos de salud`,
             VALLESCENTRALES$`Puntuacion T Habitos de salud`,
             OTRO$`Puntuacion T Habitos de salud`), 
         max(CANADA$`Puntuacion T Habitos de salud`, 
             COSTA$`Puntuacion T Habitos de salud`,
             ISTMO$`Puntuacion T Habitos de salud`,
             MIXTECA$`Puntuacion T Habitos de salud`,
             PAPALOAPAN$`Puntuacion T Habitos de salud`,
             SIERRANORTE$`Puntuacion T Habitos de salud`,
             SIERRASUR$`Puntuacion T Habitos de salud`,
             VALLESCENTRALES$`Puntuacion T Habitos de salud`,
             OTRO$`Puntuacion T Habitos de salud`), length = 1000)
densidadR2_T1 <- dnorm(r2, mean = mean(CANADA$`Puntuacion T Habitos de salud`), sd = sd(CANADA$`Puntuacion T Habitos de salud`))
densidadR2_T2 <- dnorm(r2, mean = mean(COSTA$`Puntuacion T Habitos de salud`), sd = sd(COSTA$`Puntuacion T Habitos de salud`))
densidadR2_T3 <- dnorm(r2, mean = mean(ISTMO$`Puntuacion T Habitos de salud`), sd = sd(ISTMO$`Puntuacion T Habitos de salud`))
densidadR2_T4 <- dnorm(r2, mean = mean(MIXTECA$`Puntuacion T Habitos de salud`), sd = sd(MIXTECA$`Puntuacion T Habitos de salud`))
densidadR2_T5 <- dnorm(r2, mean = mean(PAPALOAPAN$`Puntuacion T Habitos de salud`), sd = sd(PAPALOAPAN$`Puntuacion T Habitos de salud`))
densidadR2_T6 <- dnorm(r2, mean = mean(SIERRANORTE$`Puntuacion T Habitos de salud`), sd = sd(SIERRANORTE$`Puntuacion T Habitos de salud`))
densidadR2_T7 <- dnorm(r2, mean = mean(SIERRASUR$`Puntuacion T Habitos de salud`), sd = sd(SIERRASUR$`Puntuacion T Habitos de salud`))
densidadR2_T8 <- dnorm(r2, mean = mean(VALLESCENTRALES$`Puntuacion T Habitos de salud`), sd = sd(VALLESCENTRALES$`Puntuacion T Habitos de salud`))
densidadR2_T9 <- dnorm(r2, mean = mean(OTRO$`Puntuacion T Habitos de salud`), sd = sd(OTRO$`Puntuacion T Habitos de salud`))


#Se ajustan los limites de los ejes
xlimR2 <- c(min(r2), max(r2))
ylimR2 <- c(0, max(densidadR2_T1, densidadR2_T2, densidadR2_T3, densidadR2_T4, densidadR2_T5,
                  densidadR2_T6, densidadR2_T7, densidadR2_T8, densidadR2_T9) * 1.2)

plot(r2, densidadR2_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación habitos de salud por region",
     xlab = "Valor", ylab = "Densidad", xlim = xlimR2, ylim = ylimR2)
lines(r2, densidadR2_T2, col = "red", lwd = 2)
lines(r2, densidadR2_T3, col = "green", lwd = 2)
lines(r2, densidadR2_T4, col = "#AB47BC", lwd = 2)
lines(r2, densidadR2_T5, col = "#009688", lwd = 2)
lines(r2, densidadR2_T6, col = "#FFEB3B", lwd = 2)
lines(r2, densidadR2_T7, col = "#FB8C00", lwd = 2)
lines(r2, densidadR2_T8, col = "#6D4C41", lwd = 2)
lines(r2, densidadR2_T9, col = "#9E9E9E", lwd = 2)
legend("topright", legend = c("CANADA", "COSTA", "ISTMO","MIXTECA","PAPALOAPAN","SIERRANORTE","SIERRASUR","VALLESCENTRALES","OTRO"), 
       col = c("blue", "red", "green","#AB47BC","#009688","#FFEB3B","#FB8C00","#6D4C41","#9E9E9E"), lwd = 2, bg = "white", cex = 0.5, box.col = "black")

Ejercicio

#Habitos de ejercicio por region
r3 <- seq(min(CANADA$`Puntuacion T Ejercicio`, 
              COSTA$`Puntuacion T Ejercicio`,
              ISTMO$`Puntuacion T Ejercicio`,
              MIXTECA$`Puntuacion T Ejercicio`,
              PAPALOAPAN$`Puntuacion T Ejercicio`,
              SIERRANORTE$`Puntuacion T Ejercicio`,
              SIERRASUR$`Puntuacion T Ejercicio`,
              VALLESCENTRALES$`Puntuacion T Ejercicio`,
              OTRO$`Puntuacion T Ejercicio`), 
          max(CANADA$`Puntuacion T Ejercicio`, 
              COSTA$`Puntuacion T Ejercicio`,
              ISTMO$`Puntuacion T Ejercicio`,
              MIXTECA$`Puntuacion T Ejercicio`,
              PAPALOAPAN$`Puntuacion T Ejercicio`,
              SIERRANORTE$`Puntuacion T Ejercicio`,
              SIERRASUR$`Puntuacion T Ejercicio`,
              VALLESCENTRALES$`Puntuacion T Ejercicio`,
              OTRO$`Puntuacion T Ejercicio`), length = 1000)
densidadR3_T1 <- dnorm(r3, mean = mean(CANADA$`Puntuacion T Ejercicio`), sd = sd(CANADA$`Puntuacion T Ejercicio`))
densidadR3_T2 <- dnorm(r3, mean = mean(COSTA$`Puntuacion T Ejercicio`), sd = sd(COSTA$`Puntuacion T Ejercicio`))
densidadR3_T3 <- dnorm(r3, mean = mean(ISTMO$`Puntuacion T Ejercicio`), sd = sd(ISTMO$`Puntuacion T Ejercicio`))
densidadR3_T4 <- dnorm(r3, mean = mean(MIXTECA$`Puntuacion T Ejercicio`), sd = sd(MIXTECA$`Puntuacion T Ejercicio`))
densidadR3_T5 <- dnorm(r3, mean = mean(PAPALOAPAN$`Puntuacion T Ejercicio`), sd = sd(PAPALOAPAN$`Puntuacion T Ejercicio`))
densidadR3_T6 <- dnorm(r3, mean = mean(SIERRANORTE$`Puntuacion T Ejercicio`), sd = sd(SIERRANORTE$`Puntuacion T Ejercicio`))
densidadR3_T7 <- dnorm(r3, mean = mean(SIERRASUR$`Puntuacion T Ejercicio`), sd = sd(SIERRASUR$`Puntuacion T Ejercicio`))
densidadR3_T8 <- dnorm(r3, mean = mean(VALLESCENTRALES$`Puntuacion T Ejercicio`), sd = sd(VALLESCENTRALES$`Puntuacion T Ejercicio`))
densidadR3_T9 <- dnorm(r3, mean = mean(OTRO$`Puntuacion T Ejercicio`), sd = sd(OTRO$`Puntuacion T Ejercicio`))


#Se ajustan los limites de los ejes
xlimR3 <- c(min(r3), max(r3))
ylimR3 <- c(0, max(densidadR3_T1, densidadR3_T2, densidadR3_T3, densidadR3_T4, densidadR3_T5,
                   densidadR3_T6, densidadR3_T7, densidadR3_T8, densidadR3_T9) * 1.2)

plot(r3, densidadR3_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación habitos de ejercicio por region",
     xlab = "Valor", ylab = "Densidad", xlim = xlimR3, ylim = ylimR3)
lines(r3, densidadR3_T2, col = "red", lwd = 2)
lines(r3, densidadR3_T3, col = "green", lwd = 2)
lines(r3, densidadR3_T4, col = "#AB47BC", lwd = 2)
lines(r3, densidadR3_T5, col = "#009688", lwd = 2)
lines(r3, densidadR3_T6, col = "#FFEB3B", lwd = 2)
lines(r3, densidadR3_T7, col = "#FB8C00", lwd = 2)
lines(r3, densidadR3_T8, col = "#6D4C41", lwd = 2)
lines(r3, densidadR3_T9, col = "#9E9E9E", lwd = 2)
legend("topright", legend = c("CANADA", "COSTA", "ISTMO","MIXTECA","PAPALOAPAN","SIERRANORTE","SIERRASUR","VALLESCENTRALES","OTRO"), 
       col = c("blue", "red", "green","#AB47BC","#009688","#FFEB3B","#FB8C00","#6D4C41","#9E9E9E"), lwd = 2, bg = "white", cex = 0.5, box.col = "black")

Descanso

#Habitos de descanso por region
r4 <- seq(min(CANADA$`Puntuacion T Descanso/sueño`, 
              COSTA$`Puntuacion T Descanso/sueño`,
              ISTMO$`Puntuacion T Descanso/sueño`,
              MIXTECA$`Puntuacion T Descanso/sueño`,
              PAPALOAPAN$`Puntuacion T Descanso/sueño`,
              SIERRANORTE$`Puntuacion T Descanso/sueño`,
              SIERRASUR$`Puntuacion T Descanso/sueño`,
              VALLESCENTRALES$`Puntuacion T Descanso/sueño`,
              OTRO$`Puntuacion T Descanso/sueño`), 
          max(CANADA$`Puntuacion T Descanso/sueño`, 
              COSTA$`Puntuacion T Descanso/sueño`,
              ISTMO$`Puntuacion T Descanso/sueño`,
              MIXTECA$`Puntuacion T Descanso/sueño`,
              PAPALOAPAN$`Puntuacion T Descanso/sueño`,
              SIERRANORTE$`Puntuacion T Descanso/sueño`,
              SIERRASUR$`Puntuacion T Descanso/sueño`,
              VALLESCENTRALES$`Puntuacion T Descanso/sueño`,
              OTRO$`Puntuacion T Descanso/sueño`), length = 1000)
densidadR4_T1 <- dnorm(r4, mean = mean(CANADA$`Puntuacion T Descanso/sueño`), sd = sd(CANADA$`Puntuacion T Descanso/sueño`))
densidadR4_T2 <- dnorm(r4, mean = mean(COSTA$`Puntuacion T Descanso/sueño`), sd = sd(COSTA$`Puntuacion T Descanso/sueño`))
densidadR4_T3 <- dnorm(r4, mean = mean(ISTMO$`Puntuacion T Descanso/sueño`), sd = sd(ISTMO$`Puntuacion T Descanso/sueño`))
densidadR4_T4 <- dnorm(r4, mean = mean(MIXTECA$`Puntuacion T Descanso/sueño`), sd = sd(MIXTECA$`Puntuacion T Descanso/sueño`))
densidadR4_T5 <- dnorm(r4, mean = mean(PAPALOAPAN$`Puntuacion T Descanso/sueño`), sd = sd(PAPALOAPAN$`Puntuacion T Descanso/sueño`))
densidadR4_T6 <- dnorm(r4, mean = mean(SIERRANORTE$`Puntuacion T Descanso/sueño`), sd = sd(SIERRANORTE$`Puntuacion T Descanso/sueño`))
densidadR4_T7 <- dnorm(r4, mean = mean(SIERRASUR$`Puntuacion T Descanso/sueño`), sd = sd(SIERRASUR$`Puntuacion T Descanso/sueño`))
densidadR4_T8 <- dnorm(r4, mean = mean(VALLESCENTRALES$`Puntuacion T Descanso/sueño`), sd = sd(VALLESCENTRALES$`Puntuacion T Descanso/sueño`))
densidadR4_T9 <- dnorm(r4, mean = mean(OTRO$`Puntuacion T Descanso/sueño`), sd = sd(OTRO$`Puntuacion T Descanso/sueño`))


#Se ajustan los limites de los ejes
xlimR4 <- c(min(r4), max(r4))
ylimR4 <- c(0, max(densidadR4_T1, densidadR4_T2, densidadR4_T3, densidadR4_T4, densidadR4_T5,
                   densidadR4_T6, densidadR4_T7, densidadR4_T8, densidadR4_T9) * 1.2)

plot(r4, densidadR4_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación habitos de descanso por region",
     xlab = "Valor", ylab = "Densidad", xlim = xlimR4, ylim = ylimR4)
lines(r4, densidadR4_T2, col = "red", lwd = 2)
lines(r4, densidadR4_T3, col = "green", lwd = 2)
lines(r4, densidadR4_T4, col = "#AB47BC", lwd = 2)
lines(r4, densidadR4_T5, col = "#009688", lwd = 2)
lines(r4, densidadR4_T6, col = "#FFEB3B", lwd = 2)
lines(r4, densidadR4_T7, col = "#FB8C00", lwd = 2)
lines(r4, densidadR4_T8, col = "#6D4C41", lwd = 2)
lines(r4, densidadR4_T9, col = "#9E9E9E", lwd = 2)
legend("topright", legend = c("CANADA", "COSTA", "ISTMO","MIXTECA","PAPALOAPAN","SIERRANORTE","SIERRASUR","VALLESCENTRALES","OTRO"), 
       col = c("blue", "red", "green","#AB47BC","#009688","#FFEB3B","#FB8C00","#6D4C41","#9E9E9E"), lwd = 2, bg = "white", cex = 0.5, box.col = "black")

Nutricion

#Habitos de nutricion por region
r5 <- seq(min(CANADA$`Puntuacion T Alimentacion/Nutricion`, 
              COSTA$`Puntuacion T Alimentacion/Nutricion`,
              ISTMO$`Puntuacion T Alimentacion/Nutricion`,
              MIXTECA$`Puntuacion T Alimentacion/Nutricion`,
              PAPALOAPAN$`Puntuacion T Alimentacion/Nutricion`,
              SIERRANORTE$`Puntuacion T Alimentacion/Nutricion`,
              SIERRASUR$`Puntuacion T Alimentacion/Nutricion`,
              VALLESCENTRALES$`Puntuacion T Alimentacion/Nutricion`,
              OTRO$`Puntuacion T Alimentacion/Nutricion`), 
          max(CANADA$`Puntuacion T Alimentacion/Nutricion`, 
              COSTA$`Puntuacion T Alimentacion/Nutricion`,
              ISTMO$`Puntuacion T Alimentacion/Nutricion`,
              MIXTECA$`Puntuacion T Alimentacion/Nutricion`,
              PAPALOAPAN$`Puntuacion T Alimentacion/Nutricion`,
              SIERRANORTE$`Puntuacion T Alimentacion/Nutricion`,
              SIERRASUR$`Puntuacion T Alimentacion/Nutricion`,
              VALLESCENTRALES$`Puntuacion T Alimentacion/Nutricion`,
              OTRO$`Puntuacion T Alimentacion/Nutricion`), length = 1000)
densidadR5_T1 <- dnorm(r5, mean = mean(CANADA$`Puntuacion T Alimentacion/Nutricion`), sd = sd(CANADA$`Puntuacion T Alimentacion/Nutricion`))
densidadR5_T2 <- dnorm(r5, mean = mean(COSTA$`Puntuacion T Alimentacion/Nutricion`), sd = sd(COSTA$`Puntuacion T Alimentacion/Nutricion`))
densidadR5_T3 <- dnorm(r5, mean = mean(ISTMO$`Puntuacion T Alimentacion/Nutricion`), sd = sd(ISTMO$`Puntuacion T Alimentacion/Nutricion`))
densidadR5_T4 <- dnorm(r5, mean = mean(MIXTECA$`Puntuacion T Alimentacion/Nutricion`), sd = sd(MIXTECA$`Puntuacion T Alimentacion/Nutricion`))
densidadR5_T5 <- dnorm(r5, mean = mean(PAPALOAPAN$`Puntuacion T Alimentacion/Nutricion`), sd = sd(PAPALOAPAN$`Puntuacion T Alimentacion/Nutricion`))
densidadR5_T6 <- dnorm(r5, mean = mean(SIERRANORTE$`Puntuacion T Alimentacion/Nutricion`), sd = sd(SIERRANORTE$`Puntuacion T Alimentacion/Nutricion`))
densidadR5_T7 <- dnorm(r5, mean = mean(SIERRASUR$`Puntuacion T Alimentacion/Nutricion`), sd = sd(SIERRASUR$`Puntuacion T Alimentacion/Nutricion`))
densidadR5_T8 <- dnorm(r5, mean = mean(VALLESCENTRALES$`Puntuacion T Alimentacion/Nutricion`), sd = sd(VALLESCENTRALES$`Puntuacion T Alimentacion/Nutricion`))
densidadR5_T9 <- dnorm(r5, mean = mean(OTRO$`Puntuacion T Alimentacion/Nutricion`), sd = sd(OTRO$`Puntuacion T Alimentacion/Nutricion`))


#Se ajustan los limites de los ejes
xlimR5 <- c(min(r5), max(r5))
ylimR5 <- c(0, max(densidadR5_T1, densidadR5_T2, densidadR5_T3, densidadR5_T4, densidadR5_T5,
                   densidadR5_T6, densidadR5_T7, densidadR5_T8, densidadR5_T9) * 1.2)

plot(r5, densidadR5_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación habitos de nutricion por region",
     xlab = "Valor", ylab = "Densidad", xlim = xlimR5, ylim = ylimR5)
lines(r5, densidadR5_T2, col = "red", lwd = 2)
lines(r5, densidadR5_T3, col = "green", lwd = 2)
lines(r5, densidadR5_T4, col = "#AB47BC", lwd = 2)
lines(r5, densidadR5_T5, col = "#009688", lwd = 2)
lines(r5, densidadR5_T6, col = "#FFEB3B", lwd = 2)
lines(r5, densidadR5_T7, col = "#FB8C00", lwd = 2)
lines(r5, densidadR5_T8, col = "#6D4C41", lwd = 2)
lines(r5, densidadR5_T9, col = "#9E9E9E", lwd = 2)
legend("topright", legend = c("CANADA", "COSTA", "ISTMO","MIXTECA","PAPALOAPAN","SIERRANORTE","SIERRASUR","VALLESCENTRALES","OTRO"), 
       col = c("blue", "red", "green","#AB47BC","#009688","#FFEB3B","#FB8C00","#6D4C41","#9E9E9E"), lwd = 2, bg = "white", cex = 0.5, box.col = "black")

Prevencion

#Habitos de prevencion por region
r6 <- seq(min(CANADA$`Puntuacion T Prevencion`, 
              COSTA$`Puntuacion T Prevencion`,
              ISTMO$`Puntuacion T Prevencion`,
              MIXTECA$`Puntuacion T Prevencion`,
              PAPALOAPAN$`Puntuacion T Prevencion`,
              SIERRANORTE$`Puntuacion T Prevencion`,
              SIERRASUR$`Puntuacion T Prevencion`,
              VALLESCENTRALES$`Puntuacion T Prevencion`,
              OTRO$`Puntuacion T Prevencion`), 
          max(CANADA$`Puntuacion T Prevencion`, 
              COSTA$`Puntuacion T Prevencion`,
              ISTMO$`Puntuacion T Prevencion`,
              MIXTECA$`Puntuacion T Prevencion`,
              PAPALOAPAN$`Puntuacion T Prevencion`,
              SIERRANORTE$`Puntuacion T Prevencion`,
              SIERRASUR$`Puntuacion T Prevencion`,
              VALLESCENTRALES$`Puntuacion T Prevencion`,
              OTRO$`Puntuacion T Prevencion`), length = 1000)
densidadR6_T1 <- dnorm(r6, mean = mean(CANADA$`Puntuacion T Prevencion`), sd = sd(CANADA$`Puntuacion T Prevencion`))
densidadR6_T2 <- dnorm(r6, mean = mean(COSTA$`Puntuacion T Prevencion`), sd = sd(COSTA$`Puntuacion T Prevencion`))
densidadR6_T3 <- dnorm(r6, mean = mean(ISTMO$`Puntuacion T Prevencion`), sd = sd(ISTMO$`Puntuacion T Prevencion`))
densidadR6_T4 <- dnorm(r6, mean = mean(MIXTECA$`Puntuacion T Prevencion`), sd = sd(MIXTECA$`Puntuacion T Prevencion`))
densidadR6_T5 <- dnorm(r6, mean = mean(PAPALOAPAN$`Puntuacion T Prevencion`), sd = sd(PAPALOAPAN$`Puntuacion T Prevencion`))
densidadR6_T6 <- dnorm(r6, mean = mean(SIERRANORTE$`Puntuacion T Prevencion`), sd = sd(SIERRANORTE$`Puntuacion T Prevencion`))
densidadR6_T7 <- dnorm(r6, mean = mean(SIERRASUR$`Puntuacion T Prevencion`), sd = sd(SIERRASUR$`Puntuacion T Prevencion`))
densidadR6_T8 <- dnorm(r6, mean = mean(VALLESCENTRALES$`Puntuacion T Prevencion`), sd = sd(VALLESCENTRALES$`Puntuacion T Prevencion`))
densidadR6_T9 <- dnorm(r6, mean = mean(OTRO$`Puntuacion T Prevencion`), sd = sd(OTRO$`Puntuacion T Prevencion`))


#Se ajustan los limites de los ejes
xlimR6 <- c(min(r6), max(r6))
ylimR6 <- c(0, max(densidadR6_T1, densidadR6_T2, densidadR6_T3, densidadR6_T4, densidadR6_T5,
                   densidadR6_T6, densidadR6_T7, densidadR6_T8, densidadR6_T9) * 1.2)
ylimR6
## [1] 0.0000000 0.1092523
plot(r6, densidadR6_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación habitos de prevencion por region",
     xlab = "Valor", ylab = "Densidad", xlim = xlimR6, ylim = ylimR6)
lines(r6, densidadR6_T2, col = "red", lwd = 2)
lines(r6, densidadR6_T3, col = "green", lwd = 2)
lines(r6, densidadR6_T4, col = "#AB47BC", lwd = 2)
lines(r6, densidadR6_T5, col = "#009688", lwd = 2)
lines(r6, densidadR6_T6, col = "#FFEB3B", lwd = 2)
lines(r6, densidadR6_T7, col = "#FB8C00", lwd = 2)
lines(r6, densidadR6_T8, col = "#6D4C41", lwd = 2)
lines(r6, densidadR6_T9, col = "#9E9E9E", lwd = 2)
legend("topright", legend = c("CANADA", "COSTA", "ISTMO","MIXTECA","PAPALOAPAN","SIERRANORTE","SIERRASUR","VALLESCENTRALES","OTRO"), 
       col = c("blue", "red", "green","#AB47BC","#009688","#FFEB3B","#FB8C00","#6D4C41","#9E9E9E"), lwd = 2, bg = "white", cex = 0.5, box.col = "black")

Conglomerado reactivos

#Conglomerado de reactivos por region
r7 <- seq(min(CANADA$`Puntuacion T Conglomerado de reactivos`, 
              COSTA$`Puntuacion T Conglomerado de reactivos`,
              ISTMO$`Puntuacion T Conglomerado de reactivos`,
              MIXTECA$`Puntuacion T Conglomerado de reactivos`,
              PAPALOAPAN$`Puntuacion T Conglomerado de reactivos`,
              SIERRANORTE$`Puntuacion T Conglomerado de reactivos`,
              SIERRASUR$`Puntuacion T Conglomerado de reactivos`,
              VALLESCENTRALES$`Puntuacion T Conglomerado de reactivos`,
              OTRO$`Puntuacion T Conglomerado de reactivos`), 
          max(CANADA$`Puntuacion T Conglomerado de reactivos`, 
              COSTA$`Puntuacion T Conglomerado de reactivos`,
              ISTMO$`Puntuacion T Conglomerado de reactivos`,
              MIXTECA$`Puntuacion T Conglomerado de reactivos`,
              PAPALOAPAN$`Puntuacion T Conglomerado de reactivos`,
              SIERRANORTE$`Puntuacion T Conglomerado de reactivos`,
              SIERRASUR$`Puntuacion T Conglomerado de reactivos`,
              VALLESCENTRALES$`Puntuacion T Conglomerado de reactivos`,
              OTRO$`Puntuacion T Conglomerado de reactivos`), length = 1000)
densidadR7_T1 <- dnorm(r7, mean = mean(CANADA$`Puntuacion T Conglomerado de reactivos`), sd = sd(CANADA$`Puntuacion T Conglomerado de reactivos`))
densidadR7_T2 <- dnorm(r7, mean = mean(COSTA$`Puntuacion T Conglomerado de reactivos`), sd = sd(COSTA$`Puntuacion T Conglomerado de reactivos`))
densidadR7_T3 <- dnorm(r7, mean = mean(ISTMO$`Puntuacion T Conglomerado de reactivos`), sd = sd(ISTMO$`Puntuacion T Conglomerado de reactivos`))
densidadR7_T4 <- dnorm(r7, mean = mean(MIXTECA$`Puntuacion T Conglomerado de reactivos`), sd = sd(MIXTECA$`Puntuacion T Conglomerado de reactivos`))
densidadR7_T5 <- dnorm(r7, mean = mean(PAPALOAPAN$`Puntuacion T Conglomerado de reactivos`), sd = sd(PAPALOAPAN$`Puntuacion T Conglomerado de reactivos`))
densidadR7_T6 <- dnorm(r7, mean = mean(SIERRANORTE$`Puntuacion T Conglomerado de reactivos`), sd = sd(SIERRANORTE$`Puntuacion T Conglomerado de reactivos`))
densidadR7_T7 <- dnorm(r7, mean = mean(SIERRASUR$`Puntuacion T Conglomerado de reactivos`), sd = sd(SIERRASUR$`Puntuacion T Conglomerado de reactivos`))
densidadR7_T8 <- dnorm(r7, mean = mean(VALLESCENTRALES$`Puntuacion T Conglomerado de reactivos`), sd = sd(VALLESCENTRALES$`Puntuacion T Conglomerado de reactivos`))
densidadR7_T9 <- dnorm(r7, mean = mean(OTRO$`Puntuacion T Conglomerado de reactivos`), sd = sd(OTRO$`Puntuacion T Conglomerado de reactivos`))


#Se ajustan los limites de los ejes
xlimR7 <- c(min(r7), max(r7))
ylimR7 <- c(0, max(densidadR7_T1, densidadR7_T2, densidadR7_T3, densidadR7_T4, densidadR7_T5,
                   densidadR7_T6, densidadR7_T7, densidadR7_T8, densidadR7_T9) * 1.2)

plot(r7, densidadR6_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación habitos de prevencion por region",
     xlab = "Valor", ylab = "Densidad", xlim = xlimR7, ylim = ylimR6)
lines(r7, densidadR6_T2, col = "red", lwd = 2)
lines(r7, densidadR6_T3, col = "green", lwd = 2)
lines(r7, densidadR6_T4, col = "#AB47BC", lwd = 2)
lines(r7, densidadR6_T5, col = "#009688", lwd = 2)
lines(r7, densidadR6_T6, col = "#FFEB3B", lwd = 2)
lines(r7, densidadR6_T7, col = "#FB8C00", lwd = 2)
lines(r7, densidadR6_T8, col = "#6D4C41", lwd = 2)
lines(r7, densidadR6_T9, col = "#9E9E9E", lwd = 2)
legend("topright", legend = c("CANADA", "COSTA", "ISTMO","MIXTECA","PAPALOAPAN","SIERRANORTE","SIERRASUR","VALLESCENTRALES","OTRO"), 
       col = c("blue", "red", "green","#AB47BC","#009688","#FFEB3B","#FB8C00","#6D4C41","#9E9E9E"), lwd = 2, bg = "white", cex = 0.5, box.col = "black")

Red de apoyo social

#Red de apoyo social por region
r8 <- seq(min(CANADA$`Puntuacion T Red de apoyo social`, 
              COSTA$`Puntuacion T Red de apoyo social`,
              ISTMO$`Puntuacion T Red de apoyo social`,
              MIXTECA$`Puntuacion T Red de apoyo social`,
              PAPALOAPAN$`Puntuacion T Red de apoyo social`,
              SIERRANORTE$`Puntuacion T Red de apoyo social`,
              SIERRASUR$`Puntuacion T Red de apoyo social`,
              VALLESCENTRALES$`Puntuacion T Red de apoyo social`,
              OTRO$`Puntuacion T Red de apoyo social`), 
          max(CANADA$`Puntuacion T Red de apoyo social`, 
              COSTA$`Puntuacion T Red de apoyo social`,
              ISTMO$`Puntuacion T Red de apoyo social`,
              MIXTECA$`Puntuacion T Red de apoyo social`,
              PAPALOAPAN$`Puntuacion T Red de apoyo social`,
              SIERRANORTE$`Puntuacion T Red de apoyo social`,
              SIERRASUR$`Puntuacion T Red de apoyo social`,
              VALLESCENTRALES$`Puntuacion T Red de apoyo social`,
              OTRO$`Puntuacion T Red de apoyo social`), length = 1000)
densidadR8_T1 <- dnorm(r8, mean = mean(CANADA$`Puntuacion T Red de apoyo social`), sd = sd(CANADA$`Puntuacion T Red de apoyo social`))
densidadR8_T2 <- dnorm(r8, mean = mean(COSTA$`Puntuacion T Red de apoyo social`), sd = sd(COSTA$`Puntuacion T Red de apoyo social`))
densidadR8_T3 <- dnorm(r8, mean = mean(ISTMO$`Puntuacion T Red de apoyo social`), sd = sd(ISTMO$`Puntuacion T Red de apoyo social`))
densidadR8_T4 <- dnorm(r8, mean = mean(MIXTECA$`Puntuacion T Red de apoyo social`), sd = sd(MIXTECA$`Puntuacion T Red de apoyo social`))
densidadR8_T5 <- dnorm(r8, mean = mean(PAPALOAPAN$`Puntuacion T Red de apoyo social`), sd = sd(PAPALOAPAN$`Puntuacion T Red de apoyo social`))
densidadR8_T6 <- dnorm(r8, mean = mean(SIERRANORTE$`Puntuacion T Red de apoyo social`), sd = sd(SIERRANORTE$`Puntuacion T Red de apoyo social`))
densidadR8_T7 <- dnorm(r8, mean = mean(SIERRASUR$`Puntuacion T Red de apoyo social`), sd = sd(SIERRASUR$`Puntuacion T Red de apoyo social`))
densidadR8_T8 <- dnorm(r8, mean = mean(VALLESCENTRALES$`Puntuacion T Red de apoyo social`), sd = sd(VALLESCENTRALES$`Puntuacion T Red de apoyo social`))
densidadR8_T9 <- dnorm(r8, mean = mean(OTRO$`Puntuacion T Red de apoyo social`), sd = sd(OTRO$`Puntuacion T Red de apoyo social`))


#Se ajustan los limites de los ejes
xlimR8 <- c(min(r8), max(r8))
ylimR8 <- c(0, max(densidadR8_T1, densidadR8_T2, densidadR8_T3, densidadR8_T4, densidadR8_T5,
                   densidadR8_T6, densidadR8_T7, densidadR8_T8, densidadR8_T9) * 1.2)

plot(r8, densidadR8_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación red de apoyo social por region",
     xlab = "Valor", ylab = "Densidad", xlim = xlimR8, ylim = ylimR8)
lines(r8, densidadR8_T2, col = "red", lwd = 2)
lines(r8, densidadR8_T3, col = "green", lwd = 2)
lines(r8, densidadR8_T4, col = "#AB47BC", lwd = 2)
lines(r8, densidadR8_T5, col = "#009688", lwd = 2)
lines(r8, densidadR8_T6, col = "#FFEB3B", lwd = 2)
lines(r8, densidadR8_T7, col = "#FB8C00", lwd = 2)
lines(r8, densidadR8_T8, col = "#6D4C41", lwd = 2)
lines(r8, densidadR8_T9, col = "#9E9E9E", lwd = 2)
legend("topright", legend = c("CANADA", "COSTA", "ISTMO","MIXTECA","PAPALOAPAN","SIERRANORTE","SIERRASUR","VALLESCENTRALES","OTRO"), 
       col = c("blue", "red", "green","#AB47BC","#009688","#FFEB3B","#FB8C00","#6D4C41","#9E9E9E"), lwd = 2, bg = "white", cex = 0.5, box.col = "black")

Conducta tipo A

#conducta tipo A por region
r9 <- seq(min(CANADA$`Puntuacion T Conducta tipo A`, 
              COSTA$`Puntuacion T Conducta tipo A`,
              ISTMO$`Puntuacion T Conducta tipo A`,
              MIXTECA$`Puntuacion T Conducta tipo A`,
              PAPALOAPAN$`Puntuacion T Conducta tipo A`,
              SIERRANORTE$`Puntuacion T Conducta tipo A`,
              SIERRASUR$`Puntuacion T Conducta tipo A`,
              VALLESCENTRALES$`Puntuacion T Conducta tipo A`,
              OTRO$`Puntuacion T Conducta tipo A`), 
          max(CANADA$`Puntuacion T Conducta tipo A`, 
              COSTA$`Puntuacion T Conducta tipo A`,
              ISTMO$`Puntuacion T Conducta tipo A`,
              MIXTECA$`Puntuacion T Conducta tipo A`,
              PAPALOAPAN$`Puntuacion T Conducta tipo A`,
              SIERRANORTE$`Puntuacion T Conducta tipo A`,
              SIERRASUR$`Puntuacion T Conducta tipo A`,
              VALLESCENTRALES$`Puntuacion T Conducta tipo A`,
              OTRO$`Puntuacion T Conducta tipo A`), length = 1000)
densidadR9_T1 <- dnorm(r9, mean = mean(CANADA$`Puntuacion T Conducta tipo A`), sd = sd(CANADA$`Puntuacion T Conducta tipo A`))
densidadR9_T2 <- dnorm(r9, mean = mean(COSTA$`Puntuacion T Conducta tipo A`), sd = sd(COSTA$`Puntuacion T Conducta tipo A`))
densidadR9_T3 <- dnorm(r9, mean = mean(ISTMO$`Puntuacion T Conducta tipo A`), sd = sd(ISTMO$`Puntuacion T Conducta tipo A`))
densidadR9_T4 <- dnorm(r9, mean = mean(MIXTECA$`Puntuacion T Conducta tipo A`), sd = sd(MIXTECA$`Puntuacion T Conducta tipo A`))
densidadR9_T5 <- dnorm(r9, mean = mean(PAPALOAPAN$`Puntuacion T Conducta tipo A`), sd = sd(PAPALOAPAN$`Puntuacion T Conducta tipo A`))
densidadR9_T6 <- dnorm(r9, mean = mean(SIERRANORTE$`Puntuacion T Conducta tipo A`), sd = sd(SIERRANORTE$`Puntuacion T Conducta tipo A`))
densidadR9_T7 <- dnorm(r9, mean = mean(SIERRASUR$`Puntuacion T Conducta tipo A`), sd = sd(SIERRASUR$`Puntuacion T Conducta tipo A`))
densidadR9_T8 <- dnorm(r9, mean = mean(VALLESCENTRALES$`Puntuacion T Conducta tipo A`), sd = sd(VALLESCENTRALES$`Puntuacion T Conducta tipo A`))
densidadR9_T9 <- dnorm(r9, mean = mean(OTRO$`Puntuacion T Conducta tipo A`), sd = sd(OTRO$`Puntuacion T Conducta tipo A`))


#Se ajustan los limites de los ejes
xlimR9 <- c(min(r9), max(r9))
ylimR9 <- c(0, max(densidadR9_T1, densidadR9_T2, densidadR9_T3, densidadR9_T4, densidadR9_T5,
                   densidadR9_T6, densidadR9_T7, densidadR9_T8, densidadR9_T9) * 1.2)

plot(r9, densidadR9_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación conducta tipo A por region",
     xlab = "Valor", ylab = "Densidad", xlim = xlimR9, ylim = ylimR9)
lines(r9, densidadR9_T2, col = "red", lwd = 2)
lines(r9, densidadR9_T3, col = "green", lwd = 2)
lines(r9, densidadR9_T4, col = "#AB47BC", lwd = 2)
lines(r9, densidadR9_T5, col = "#009688", lwd = 2)
lines(r9, densidadR9_T6, col = "#FFEB3B", lwd = 2)
lines(r9, densidadR9_T7, col = "#FB8C00", lwd = 2)
lines(r9, densidadR9_T8, col = "#6D4C41", lwd = 2)
lines(r9, densidadR9_T9, col = "#9E9E9E", lwd = 2)
legend("topright", legend = c("CANADA", "COSTA", "ISTMO","MIXTECA","PAPALOAPAN","SIERRANORTE","SIERRASUR","VALLESCENTRALES","OTRO"), 
       col = c("blue", "red", "green","#AB47BC","#009688","#FFEB3B","#FB8C00","#6D4C41","#9E9E9E"), lwd = 2, bg = "white", cex = 0.5, box.col = "black")

Fuerza cognitiva

#fuerza cognitiva por region
r10 <- seq(min(CANADA$`Puntuacion T Valoracion positiva`, 
               COSTA$`Puntuacion T Valoracion positiva`,
               ISTMO$`Puntuacion T Valoracion positiva`,
               MIXTECA$`Puntuacion T Valoracion positiva`,
               PAPALOAPAN$`Puntuacion T Valoracion positiva`,
               SIERRANORTE$`Puntuacion T Valoracion positiva`,
               SIERRASUR$`Puntuacion T Valoracion positiva`,
               VALLESCENTRALES$`Puntuacion T Valoracion positiva`,
               OTRO$`Puntuacion T Valoracion positiva`), 
           max(CANADA$`Puntuacion T Valoracion positiva`, 
               COSTA$`Puntuacion T Valoracion positiva`,
               ISTMO$`Puntuacion T Valoracion positiva`,
               MIXTECA$`Puntuacion T Valoracion positiva`,
               PAPALOAPAN$`Puntuacion T Valoracion positiva`,
               SIERRANORTE$`Puntuacion T Valoracion positiva`,
               SIERRASUR$`Puntuacion T Valoracion positiva`,
               VALLESCENTRALES$`Puntuacion T Valoracion positiva`,
               OTRO$`Puntuacion T Valoracion positiva`), length = 1000)
densidadR10_T1 <- dnorm(r10, mean = mean(CANADA$`Puntuacion T Valoracion positiva`), sd = sd(CANADA$`Puntuacion T Valoracion positiva`))
densidadR10_T2 <- dnorm(r10, mean = mean(COSTA$`Puntuacion T Valoracion positiva`), sd = sd(COSTA$`Puntuacion T Valoracion positiva`))
densidadR10_T3 <- dnorm(r10, mean = mean(ISTMO$`Puntuacion T Valoracion positiva`), sd = sd(ISTMO$`Puntuacion T Valoracion positiva`))
densidadR10_T4 <- dnorm(r10, mean = mean(MIXTECA$`Puntuacion T Valoracion positiva`), sd = sd(MIXTECA$`Puntuacion T Valoracion positiva`))
densidadR10_T5 <- dnorm(r10, mean = mean(PAPALOAPAN$`Puntuacion T Valoracion positiva`), sd = sd(PAPALOAPAN$`Puntuacion T Valoracion positiva`))
densidadR10_T6 <- dnorm(r10, mean = mean(SIERRANORTE$`Puntuacion T Valoracion positiva`), sd = sd(SIERRANORTE$`Puntuacion T Valoracion positiva`))
densidadR10_T7 <- dnorm(r10, mean = mean(SIERRASUR$`Puntuacion T Valoracion positiva`), sd = sd(SIERRASUR$`Puntuacion T Valoracion positiva`))
densidadR10_T8 <- dnorm(r10, mean = mean(VALLESCENTRALES$`Puntuacion T Valoracion positiva`), sd = sd(VALLESCENTRALES$`Puntuacion T Valoracion positiva`))
densidadR10_T9 <- dnorm(r10, mean = mean(OTRO$`Puntuacion T Valoracion positiva`), sd = sd(OTRO$`Puntuacion T Valoracion positiva`))


#Se ajustan los limites de los ejes
xlimR10 <- c(min(r10), max(r10))
ylimR10 <- c(0, max(densidadR10_T1, densidadR10_T2, densidadR10_T3, densidadR10_T4, densidadR10_T5,
                    densidadR10_T6, densidadR10_T7, densidadR10_T8, densidadR10_T9) * 1.2)

plot(r10, densidadR10_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación valoracion positiva por region",
     xlab = "Valor", ylab = "Densidad", xlim = xlimR10, ylim = ylimR10)
lines(r10, densidadR10_T2, col = "red", lwd = 2)
lines(r10, densidadR10_T3, col = "green", lwd = 2)
lines(r10, densidadR10_T4, col = "#AB47BC", lwd = 2)
lines(r10, densidadR10_T5, col = "#009688", lwd = 2)
lines(r10, densidadR10_T6, col = "#FFEB3B", lwd = 2)
lines(r10, densidadR10_T7, col = "#FB8C00", lwd = 2)
lines(r10, densidadR10_T8, col = "#6D4C41", lwd = 2)
lines(r10, densidadR10_T9, col = "#9E9E9E", lwd = 2)
legend("topright", legend = c("CANADA", "COSTA", "ISTMO","MIXTECA","PAPALOAPAN","SIERRANORTE","SIERRASUR","VALLESCENTRALES","OTRO"), 
       col = c("blue", "red", "green","#AB47BC","#009688","#FFEB3B","#FB8C00","#6D4C41","#9E9E9E"), lwd = 2, bg = "white", cex = 0.5, box.col = "black")

Valoracion negativa

#valoracion negativa por region
r11 <- seq(min(CANADA$`Puntuacion T Valoracion negativa`,
               COSTA$`Puntuacion T Valoracion negativa`,
               ISTMO$`Puntuacion T Valoracion negativa`,
               MIXTECA$`Puntuacion T Valoracion negativa`,
               PAPALOAPAN$`Puntuacion T Valoracion negativa`,
               SIERRANORTE$`Puntuacion T Valoracion negativa`,
               SIERRASUR$`Puntuacion T Valoracion negativa`,
               VALLESCENTRALES$`Puntuacion T Valoracion negativa`,
               OTRO$`Puntuacion T Valoracion negativa`), 
           max(CANADA$`Puntuacion T Valoracion negativa`, 
               COSTA$`Puntuacion T Valoracion negativa`,
               ISTMO$`Puntuacion T Valoracion negativa`,
               MIXTECA$`Puntuacion T Valoracion negativa`,
               PAPALOAPAN$`Puntuacion T Valoracion negativa`,
               SIERRANORTE$`Puntuacion T Valoracion negativa`,
               SIERRASUR$`Puntuacion T Valoracion negativa`,
               VALLESCENTRALES$`Puntuacion T Valoracion negativa`,
               OTRO$`Puntuacion T Valoracion negativa`), length = 1000)
densidadR11_T1 <- dnorm(r11, mean = mean(CANADA$`Puntuacion T Valoracion negativa`), sd = sd(CANADA$`Puntuacion T Valoracion negativa`))
densidadR11_T2 <- dnorm(r11, mean = mean(COSTA$`Puntuacion T Valoracion negativa`), sd = sd(COSTA$`Puntuacion T Valoracion negativa`))
densidadR11_T3 <- dnorm(r11, mean = mean(ISTMO$`Puntuacion T Valoracion negativa`), sd = sd(ISTMO$`Puntuacion T Valoracion negativa`))
densidadR11_T4 <- dnorm(r11, mean = mean(MIXTECA$`Puntuacion T Valoracion negativa`), sd = sd(MIXTECA$`Puntuacion T Valoracion negativa`))
densidadR11_T5 <- dnorm(r11, mean = mean(PAPALOAPAN$`Puntuacion T Valoracion negativa`), sd = sd(PAPALOAPAN$`Puntuacion T Valoracion negativa`))
densidadR11_T6 <- dnorm(r11, mean = mean(SIERRANORTE$`Puntuacion T Valoracion negativa`), sd = sd(SIERRANORTE$`Puntuacion T Valoracion negativa`))
densidadR11_T7 <- dnorm(r11, mean = mean(SIERRASUR$`Puntuacion T Valoracion negativa`), sd = sd(SIERRASUR$`Puntuacion T Valoracion negativa`))
densidadR11_T8 <- dnorm(r11, mean = mean(VALLESCENTRALES$`Puntuacion T Valoracion negativa`), sd = sd(VALLESCENTRALES$`Puntuacion T Valoracion negativa`))
densidadR11_T9 <- dnorm(r11, mean = mean(OTRO$`Puntuacion T Valoracion negativa`), sd = sd(OTRO$`Puntuacion T Valoracion negativa`))


#Se ajustan los limites de los ejes
xlimR11 <- c(min(r11), max(r11))
ylimR11 <- c(0, max(densidadR11_T1, densidadR11_T2, densidadR11_T3, densidadR11_T4, densidadR11_T5,
                    densidadR11_T6, densidadR11_T7, densidadR11_T8, densidadR11_T9) * 1.2)

plot(r11, densidadR11_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación valoracion negativa por region",
     xlab = "Valor", ylab = "Densidad", xlim = xlimR11, ylim = ylimR11)
lines(r11, densidadR11_T2, col = "red", lwd = 2)
lines(r11, densidadR11_T3, col = "green", lwd = 2)
lines(r11, densidadR11_T4, col = "#AB47BC", lwd = 2)
lines(r11, densidadR11_T5, col = "#009688", lwd = 2)
lines(r11, densidadR11_T6, col = "#FFEB3B", lwd = 2)
lines(r11, densidadR11_T7, col = "#FB8C00", lwd = 2)
lines(r11, densidadR11_T8, col = "#6D4C41", lwd = 2)
lines(r11, densidadR11_T9, col = "#9E9E9E", lwd = 2)
legend("topright", legend = c("CANADA", "COSTA", "ISTMO","MIXTECA","PAPALOAPAN","SIERRANORTE","SIERRASUR","VALLESCENTRALES","OTRO"), 
       col = c("blue", "red", "green","#AB47BC","#009688","#FFEB3B","#FB8C00","#6D4C41","#9E9E9E"), lwd = 2, bg = "white", cex = 0.5, box.col = "black")

Minimizacion de la amenaza

#Minimizacion de la amenaza por region
r12 <- seq(min(CANADA$`Puntuacion T Minimizacion de la amenaza`, 
               COSTA$`Puntuacion T Minimizacion de la amenaza`,
               ISTMO$`Puntuacion T Minimizacion de la amenaza`,
               MIXTECA$`Puntuacion T Minimizacion de la amenaza`,
               PAPALOAPAN$`Puntuacion T Minimizacion de la amenaza`,
               SIERRANORTE$`Puntuacion T Minimizacion de la amenaza`,
               SIERRASUR$`Puntuacion T Minimizacion de la amenaza`,
               VALLESCENTRALES$`Puntuacion T Minimizacion de la amenaza`,
               OTRO$`Puntuacion T Minimizacion de la amenaza`), 
           max(CANADA$`Puntuacion T Minimizacion de la amenaza`, 
               COSTA$`Puntuacion T Minimizacion de la amenaza`,
               ISTMO$`Puntuacion T Minimizacion de la amenaza`,
               MIXTECA$`Puntuacion T Minimizacion de la amenaza`,
               PAPALOAPAN$`Puntuacion T Minimizacion de la amenaza`,
               SIERRANORTE$`Puntuacion T Minimizacion de la amenaza`,
               SIERRASUR$`Puntuacion T Minimizacion de la amenaza`,
               VALLESCENTRALES$`Puntuacion T Minimizacion de la amenaza`,
               OTRO$`Puntuacion T Minimizacion de la amenaza`), length = 1000)
densidadR12_T1 <- dnorm(r12, mean = mean(CANADA$`Puntuacion T Minimizacion de la amenaza`), sd = sd(CANADA$`Puntuacion T Minimizacion de la amenaza`))
densidadR12_T2 <- dnorm(r12, mean = mean(COSTA$`Puntuacion T Minimizacion de la amenaza`), sd = sd(COSTA$`Puntuacion T Minimizacion de la amenaza`))
densidadR12_T3 <- dnorm(r12, mean = mean(ISTMO$`Puntuacion T Minimizacion de la amenaza`), sd = sd(ISTMO$`Puntuacion T Minimizacion de la amenaza`))
densidadR12_T4 <- dnorm(r12, mean = mean(MIXTECA$`Puntuacion T Minimizacion de la amenaza`), sd = sd(MIXTECA$`Puntuacion T Minimizacion de la amenaza`))
densidadR12_T5 <- dnorm(r12, mean = mean(PAPALOAPAN$`Puntuacion T Minimizacion de la amenaza`), sd = sd(PAPALOAPAN$`Puntuacion T Minimizacion de la amenaza`))
densidadR12_T6 <- dnorm(r12, mean = mean(SIERRANORTE$`Puntuacion T Minimizacion de la amenaza`), sd = sd(SIERRANORTE$`Puntuacion T Minimizacion de la amenaza`))
densidadR12_T7 <- dnorm(r12, mean = mean(SIERRASUR$`Puntuacion T Minimizacion de la amenaza`), sd = sd(SIERRASUR$`Puntuacion T Minimizacion de la amenaza`))
densidadR12_T8 <- dnorm(r12, mean = mean(VALLESCENTRALES$`Puntuacion T Minimizacion de la amenaza`), sd = sd(VALLESCENTRALES$`Puntuacion T Minimizacion de la amenaza`))
densidadR12_T9 <- dnorm(r12, mean = mean(OTRO$`Puntuacion T Minimizacion de la amenaza`), sd = sd(OTRO$`Puntuacion T Minimizacion de la amenaza`))


#Se ajustan los limites de los ejes
xlimR12 <- c(min(r12), max(r12))
ylimR12 <- c(0, max(densidadR12_T1, densidadR12_T2, densidadR12_T3, densidadR12_T4, densidadR12_T5,
                    densidadR12_T6, densidadR12_T7, densidadR12_T8, densidadR12_T9) * 1.2)

plot(r12, densidadR12_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación minimizacion de la amenaza por region",
     xlab = "Valor", ylab = "Densidad", xlim = xlimR12, ylim = ylimR12)
lines(r12, densidadR12_T2, col = "red", lwd = 2)
lines(r12, densidadR12_T3, col = "green", lwd = 2)
lines(r12, densidadR12_T4, col = "#AB47BC", lwd = 2)
lines(r12, densidadR12_T5, col = "#009688", lwd = 2)
lines(r12, densidadR12_T6, col = "#FFEB3B", lwd = 2)
lines(r12, densidadR12_T7, col = "#FB8C00", lwd = 2)
lines(r12, densidadR12_T8, col = "#6D4C41", lwd = 2)
lines(r12, densidadR12_T9, col = "#9E9E9E", lwd = 2)
legend("topright", legend = c("CANADA", "COSTA", "ISTMO","MIXTECA","PAPALOAPAN","SIERRANORTE","SIERRASUR","VALLESCENTRALES","OTRO"), 
       col = c("blue", "red", "green","#AB47BC","#009688","#FFEB3B","#FB8C00","#6D4C41","#9E9E9E"), lwd = 2, bg = "white", cex = 0.5, box.col = "black")

Concentracion en el problema

#Concentracion en el problema por region
r13 <- seq(min(CANADA$`Puntuacion T Concentracion en el problema`, 
               COSTA$`Puntuacion T Concentracion en el problema`,
               ISTMO$`Puntuacion T Concentracion en el problema`,
               MIXTECA$`Puntuacion T Concentracion en el problema`,
               PAPALOAPAN$`Puntuacion T Concentracion en el problema`,
               SIERRANORTE$`Puntuacion T Concentracion en el problema`,
               SIERRASUR$`Puntuacion T Concentracion en el problema`,
               VALLESCENTRALES$`Puntuacion T Concentracion en el problema`,
               OTRO$`Puntuacion T Concentracion en el problema`), 
           max(CANADA$`Puntuacion T Concentracion en el problema`, 
               COSTA$`Puntuacion T Concentracion en el problema`,
               ISTMO$`Puntuacion T Concentracion en el problema`,
               MIXTECA$`Puntuacion T Concentracion en el problema`,
               PAPALOAPAN$`Puntuacion T Concentracion en el problema`,
               SIERRANORTE$`Puntuacion T Concentracion en el problema`,
               SIERRASUR$`Puntuacion T Concentracion en el problema`,
               VALLESCENTRALES$`Puntuacion T Concentracion en el problema`,
               OTRO$`Puntuacion T Concentracion en el problema`), length = 1000)
densidadR13_T1 <- dnorm(r13, mean = mean(CANADA$`Puntuacion T Concentracion en el problema`), sd = sd(CANADA$`Puntuacion T Concentracion en el problema`))
densidadR13_T2 <- dnorm(r13, mean = mean(COSTA$`Puntuacion T Concentracion en el problema`), sd = sd(COSTA$`Puntuacion T Concentracion en el problema`))
densidadR13_T3 <- dnorm(r13, mean = mean(ISTMO$`Puntuacion T Concentracion en el problema`), sd = sd(ISTMO$`Puntuacion T Concentracion en el problema`))
densidadR13_T4 <- dnorm(r13, mean = mean(MIXTECA$`Puntuacion T Concentracion en el problema`), sd = sd(MIXTECA$`Puntuacion T Concentracion en el problema`))
densidadR13_T5 <- dnorm(r13, mean = mean(PAPALOAPAN$`Puntuacion T Concentracion en el problema`), sd = sd(PAPALOAPAN$`Puntuacion T Concentracion en el problema`))
densidadR13_T6 <- dnorm(r13, mean = mean(SIERRANORTE$`Puntuacion T Concentracion en el problema`), sd = sd(SIERRANORTE$`Puntuacion T Concentracion en el problema`))
densidadR13_T7 <- dnorm(r13, mean = mean(SIERRASUR$`Puntuacion T Concentracion en el problema`), sd = sd(SIERRASUR$`Puntuacion T Concentracion en el problema`))
densidadR13_T8 <- dnorm(r13, mean = mean(VALLESCENTRALES$`Puntuacion T Concentracion en el problema`), sd = sd(VALLESCENTRALES$`Puntuacion T Concentracion en el problema`))
densidadR13_T9 <- dnorm(r13, mean = mean(OTRO$`Puntuacion T Concentracion en el problema`), sd = sd(OTRO$`Puntuacion T Concentracion en el problema`))


#Se ajustan los limites de los ejes
xlimr13 <- c(min(r13), max(r13))
ylimr13 <- c(0, max(densidadR13_T1, densidadR13_T2, densidadR13_T3, densidadR13_T4, densidadR13_T5,
                    densidadR13_T6, densidadR13_T7, densidadR13_T8, densidadR13_T9) * 1.2)

plot(r13, densidadR13_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación concentracion en el problema por region",
     xlab = "Valor", ylab = "Densidad", xlim = xlimr13, ylim = ylimr13)
lines(r13, densidadR13_T2, col = "red", lwd = 2)
lines(r13, densidadR13_T3, col = "green", lwd = 2)
lines(r13, densidadR13_T4, col = "#AB47BC", lwd = 2)
lines(r13, densidadR13_T5, col = "#009688", lwd = 2)
lines(r13, densidadR13_T6, col = "#FFEB3B", lwd = 2)
lines(r13, densidadR13_T7, col = "#FB8C00", lwd = 2)
lines(r13, densidadR13_T8, col = "#6D4C41", lwd = 2)
lines(r13, densidadR13_T9, col = "#9E9E9E", lwd = 2)
legend("topright", legend = c("CANADA", "COSTA", "ISTMO","MIXTECA","PAPALOAPAN","SIERRANORTE","SIERRASUR","VALLESCENTRALES","OTRO"), 
       col = c("blue", "red", "green","#AB47BC","#009688","#FFEB3B","#FB8C00","#6D4C41","#9E9E9E"), lwd = 2, bg = "white", cex = 0.5, box.col = "black")

Bienestar psicologico

#Bienestar psicologico por region
r14 <- seq(min(CANADA$`Puntuacion T Bienestar psicologico`, 
               COSTA$`Puntuacion T Bienestar psicologico`,
               ISTMO$`Puntuacion T Bienestar psicologico`,
               MIXTECA$`Puntuacion T Bienestar psicologico`,
               PAPALOAPAN$`Puntuacion T Bienestar psicologico`,
               SIERRANORTE$`Puntuacion T Bienestar psicologico`,
               SIERRASUR$`Puntuacion T Bienestar psicologico`,
               VALLESCENTRALES$`Puntuacion T Bienestar psicologico`,
               OTRO$`Puntuacion T Bienestar psicologico`), 
           max(CANADA$`Puntuacion T Bienestar psicologico`, 
               COSTA$`Puntuacion T Bienestar psicologico`,
               ISTMO$`Puntuacion T Bienestar psicologico`,
               MIXTECA$`Puntuacion T Bienestar psicologico`,
               PAPALOAPAN$`Puntuacion T Bienestar psicologico`,
               SIERRANORTE$`Puntuacion T Bienestar psicologico`,
               SIERRASUR$`Puntuacion T Bienestar psicologico`,
               VALLESCENTRALES$`Puntuacion T Bienestar psicologico`,
               OTRO$`Puntuacion T Bienestar psicologico`), length = 1000)
densidadR14_T1 <- dnorm(r14, mean = mean(CANADA$`Puntuacion T Bienestar psicologico`), sd = sd(CANADA$`Puntuacion T Bienestar psicologico`))
densidadR14_T2 <- dnorm(r14, mean = mean(COSTA$`Puntuacion T Bienestar psicologico`), sd = sd(COSTA$`Puntuacion T Bienestar psicologico`))
densidadR14_T3 <- dnorm(r14, mean = mean(ISTMO$`Puntuacion T Bienestar psicologico`), sd = sd(ISTMO$`Puntuacion T Bienestar psicologico`))
densidadR14_T4 <- dnorm(r14, mean = mean(MIXTECA$`Puntuacion T Bienestar psicologico`), sd = sd(MIXTECA$`Puntuacion T Bienestar psicologico`))
densidadR14_T5 <- dnorm(r14, mean = mean(PAPALOAPAN$`Puntuacion T Bienestar psicologico`), sd = sd(PAPALOAPAN$`Puntuacion T Bienestar psicologico`))
densidadR14_T6 <- dnorm(r14, mean = mean(SIERRANORTE$`Puntuacion T Bienestar psicologico`), sd = sd(SIERRANORTE$`Puntuacion T Bienestar psicologico`))
densidadR14_T7 <- dnorm(r14, mean = mean(SIERRASUR$`Puntuacion T Bienestar psicologico`), sd = sd(SIERRASUR$`Puntuacion T Bienestar psicologico`))
densidadR14_T8 <- dnorm(r14, mean = mean(VALLESCENTRALES$`Puntuacion T Bienestar psicologico`), sd = sd(VALLESCENTRALES$`Puntuacion T Bienestar psicologico`))
densidadR14_T9 <- dnorm(r14, mean = mean(OTRO$`Puntuacion T Bienestar psicologico`), sd = sd(OTRO$`Puntuacion T Bienestar psicologico`))


#Se ajustan los limites de los ejes
xlimR14 <- c(min(r14), max(r14))
ylimR14 <- c(0, max(densidadR14_T1, densidadR14_T2, densidadR14_T3, densidadR14_T4, densidadR14_T5,
                    densidadR14_T6, densidadR14_T7, densidadR14_T8, densidadR14_T9) * 1.2)

plot(r14, densidadR14_T1, type = "l", col = "blue", lwd = 2,
     main = "Comparación bienestar psicologico por region",
     xlab = "Valor", ylab = "Densidad", xlim = xlimR14, ylim = ylimR14)
lines(r14, densidadR14_T2, col = "red", lwd = 2)
lines(r14, densidadR14_T3, col = "green", lwd = 2)
lines(r14, densidadR14_T4, col = "#AB47BC", lwd = 2)
lines(r14, densidadR14_T5, col = "#009688", lwd = 2)
lines(r14, densidadR14_T6, col = "#FFEB3B", lwd = 2)
lines(r14, densidadR14_T7, col = "#FB8C00", lwd = 2)
lines(r14, densidadR14_T8, col = "#6D4C41", lwd = 2)
lines(r14, densidadR14_T9, col = "#9E9E9E", lwd = 2)
legend("topright", legend = c("CANADA", "COSTA", "ISTMO","MIXTECA","PAPALOAPAN","SIERRANORTE","SIERRASUR","VALLESCENTRALES","OTRO"), 
       col = c("blue", "red", "green","#AB47BC","#009688","#FFEB3B","#FB8C00","#6D4C41","#9E9E9E"), lwd = 2, bg = "white", cex = 0.4, box.col = "black")

Conclusión

En este documento hemos explicado el funcionamiento de este proyecto en R, el cual ayudará tanto a iniciarlo como a continuarlo, además como hemos visto el código de R es bueno en cuanto al análisis de datos ya que de antemano se pueden filtrar datos desde un archivo excel a R de manera facil, ademas de que existen muchos metodos mas para realizar otras acciones dependiendo del objetivo que tengamos que realizar. Es ampliamente recomendable usar R por el hecho de que no se necesita una base de datos en sí ya que solo trabaja como mencione anteriormente con archivos Excel o csv por lo que se pueden realizar análisis de manera rápida.